Otimização de seções transversais de concreto armado: aplicação a pórticos planos
Bibliographic record
Abstract
Desenvolvimento de uma rotina computacional para otimizar o pré-dimensionamento de edifícios em concreto armado, tratados simplificadamente como pórticos planos.Os softwares comerciais utilizados pelos escritórios de engenharia para o cálculo de estruturas partem do pré-dimensionamento, sendo esta etapa essencial ainda realizada geralmente a partir da experiência e intuição do projetista, por métodos de tentativa e erro.Apesar de que pequenos erros cometidos nesta fase serão corrigidos durante o dimensionamento, esse processo geralmente não leva à solução mais econômica, visto que podem existir diversas soluções de estruturas que atendam às condições de segurança exigidas pelas Normas e há pouco tempo para o engenheiro escolher, por meio de uma análise, a que lhe parecer ser a mais econômica.A otimização matemática é então utilizada como uma ferramenta de auxílio ao engenheiro para a determinação do projeto mais econômico, sendo que o prédimensionamento passa a ser feito utilizando técnicas matemáticas de avaliação das variáveis e restrições incluídas no projeto.A partir do posicionamento dos elementos e dos valores limites para as variáveis envolvidas, utilizando o método de programação quadrática sucessiva para resolver o problema geral de programação não-linear, aplica-se uma função de mínimo custo para a seção transversal das vigas e dos pilares, obtendo-
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".