PROPOSTA DE TRABALHO

INTRODUÇÃO À CIÊNCIA DE DADOS

ALUNO: Bruno Cavalcante Mota
DRE: 121177504

Análise do projeto de pavimentos asfálticos com base no desempenho à fadiga, a partir

da técnica de Redes Neurais Artificiais

1 Problema de pesquisa
O transporte de cargas e passageiros, no Brasil, ainda ocorre majoritariamente pelo modo
rodoviário, representando 60% e 95%, respectivamente (MEDINA E MOTTA, 2015). Assim,
devido a sua importância para o desenvolvimento econômico e social do país, torna-se relevante
entender os materiais que compõem as estruturas de pavimentos asfálticos. Essas estruturas são
projetadas para resistirem a esforços mecânicos e aos efeitos do clima, fornecendo conforto e
segurança aos seus usuários. Contudo, a ocorrência de defeitos estruturais como o afundamento
de trilha de roda (ATR) e o trincamento por fadiga reduzem o tempo de vida útil do pavimento,
fazendo-o falhar antes do período ao qual foi projetado.

Desse modo, para reduzir a incidência desses defeitos, é necessário que haja uma investigação
das suas causas, para assim otimizar os parâmetros que as regem, fornecendo uma resistência
mecânica mais elevada. Para a camada de revestimento, geralmente composta por Concreto
Asfáltico (CA), o parâmetro de rigidez para dimensionar e prever o desempenho é o módulo
dinâmico (MD) (GOUVEIA, 2016). Enquanto que, para as camadas granulares como base, sub-
base e reforço do subleito, além do próprio subleito, o módulo de resiliência (MR) tem sido a
propriedade utilizada para as mesmas funções (RIBEIRO, 2016). Ainda, para todas as camadas,
é requerido o estudo da deformação permanente (DP), causa do ATR (CABRAL, 2021;
BARROS, 2022).
Contudo, a execução de ensaios laboratoriais requer equipamentos caros e avançados que não
podem ser obtidos nos principais laboratórios de países em desenvolvimento, como o Brasil.
Desse modo, ocorre a necessidade de modelos preditivos precisos para fornecer um projeto de
pavimento asfáltico de qualidade.

Ainda, devido à complexidade de análise dos dois defeitos, foi delimitada a evolução do dano
por fadiga, por meio da área trincada como foco desta pesquisa. Isso ocorre em razão de ser um
problema comum que afeta significativamente os pavimentos asfálticos nos aspectos de
desempenho, economia e segurança.

2 Objetivo
Analisar, por meio de Redes Neurais Artificiais, quais as propriedades que influenciam nos
resultados de módulo de resiliência (MR) e dinâmico (MD) para fornecer um melhor
desempenho à fadiga em pavimentos asfálticos.

3 Fonte dos dados

Os dados serão coletados por meio de dissertações e teses de Universidades Federais Brasileiras
que integravam a Rede de Asfalto, a saber: UFC, UFRJ, UFSM, UFRGS, UFES, UFG e USP.
Serão utilizados todos os trabalhos científicos que foram defendidos de 2012 a 2022,
relacionados a solos e misturas asfálticas na pavimentação, e estiverem disponíveis nos seus
respectivos repositórios online.

4 Estudos relacionados
Algumas pesquisas já avaliaram o impacto do dano por fadiga quanto ao desempenho de
misturas asfálticas. McDonald e Madanat (2012) apresentaram um método de otimização para
o projeto mecanístico-empírico de pavimentos, minimizando os custos do ciclo de vida
associados com a construção e manutenção dessas estruturas. Os autores realizaram uma análise
de sensibilidade no modelo, visando encontrar a relação entre o projeto ideal e as variáveis de
entradas críticas do projeto. Com base nos modelos de otimização, os autores concluíram que
pavimentos asfálticos de vida útil prolongada, com deformações controladas perto dos limites
de fadiga, são mais econômicos que pavimentos convencionais com projetos de 20 anos, no
caso de rodovias com alto volume de tráfego.
Karlaftis e Badr (2015) utilizaram de redes neurais geneticamente otimizadas para prever o
início de trincas do tipo couro de jacaré. Os autores realizaram uma abordagem representativa
das relações reais entre a probabilidade de ocorrência desse tipo de defeito estrutural e diversos
fatores de projeto como o clima e o tráfego. A partir das modelagens, foi possível identificar
que os fatores que reduzem o risco de trincas são a utilização de material bruto, preparação
rigorosa da camada de subleito e maior espessura da camada de revestimento.

Pożarycki (2015) utilizou métodos numéricos como as redes neurais artificiais para encontrar
valores ótimos de espessura para camadas de revestimento asfáltico. O autor, no entanto,
destaca que esses métodos causam incerteza por potenciais perturbações que ocorrem sob
condições reais nas suposições do conjunto de treinamento. Para este estudo, o autor investigou
variáveis como a temperatura, a tensão aplicada, o valor da deflexão, e a espessura total da
camada de revestimento, além do tipo de estrutura. Como resultados, observou-se que a
metodologia proposta foi confiável para a identificação da espessura da camada de revestimento
sem reforço. Ainda, foi observado que a melhor configuração para determinar a espessura da
camada asfáltica era uma rede neural de percepção multicamadas ajustadas à estrutura. Assim,
foram utilizados dados de entrada como temperatura, tensão aplicada e deflexões e como dado
de saída a espessura.

O uso de materiais alternativos em misturas asfálticas e camadas granulares pode gerar

incerteza, visto não haver parâmetros de dimensionamento mecanístico-empírico para eles.
Contudo, técnicas de inteligência artificial podem ser utilizadas para prever o comportamento
das camadas do pavimento asfáltico. Um desses exemplos é o uso do Polietileno Tereftalato
(PET) em misturas asfálticas. Moghaddam et al. (2016) utilizaram métodos como Programação
Genérica, Redes Neurais Artificiais, métodos baseados em Lógica Fuzzy e Algoritmo de Vetor
de Apoio a Máquina Firefly (SVM-FFA) para prever a vida de fadiga da mistura asfáltica
modificada com PET. Os autores utilizaram as porcentagens de PET, níveis de tensão e
temperaturas ambientais como valores de entrada. Os resultados da previsão usando SVM-FFA
foram mais precisos quando comparados com os dados de experimentos observados.

Gong et al. (2019) abordaram a precisão da função de transferência das trincas por fadiga,
utilizando as redes neurais altamente flexíveis através da estrutura de aprendizagem profunda
chamada Tensorflow. Como variáveis, os autores utilizaram a espessura total do pavimento e
da camada de revestimento, o tempo de serviço, as porcentagens retiradas nas peneiras de
abertura 3/4", 3/8”, nº 4 e nº 200, material de binder, volume de vazios da mistura asfáltica,
volume efetivo de ligante asfáltico, média anual de tráfego diário de caminhões, precipitação
média anual e o congelamento médio anual. Como resultados, foi percebido que os modelos
com mais variáveis apresentaram melhores coeficientes de correlação.

Bueno et al. (2020) verificaram e caracterizaram o comportamento à fadiga de quatro pistas

experimentais com misturas asfálticas densas em Santa Maria, no sul do Brasil. Apesar de não
utilizarem de técnicas de ciência de dados, a partir de alguns métodos de análise (laboratoriais
a computacionais), foi possível determinar espessuras otimizadas dos revestimentos asfálticos
utilizados nos locais monitorados, visando atingir o critério de limite de fadiga estabelecido no
período de análise (30% de área trincada em 10 anos). Essa otimização resultou em uma redução
na espessura nos locais 2 e 4 de 60 para 55 mm e de 100 para 50 mm, respectivamente. Para os
locais 1 e 3, a otimização resultou em um aumento da espessura da camada asfáltica de 50 para
155 mm e de 75 para 220 mm, respectivamente.

Li et al. (2020) realizaram um processo de otimização com base na sensibilidade dos parâmetros
mecânicos e na área equivalente de envoltória como novos índices para avaliar a interação do
dos materiais das camadas estruturais do pavimento asfáltico. Como inputs dessa análise, os
autores utilizaram os parâmetros de tráfego, nível de carga, condições de temperatura e umidade
e condições do subleito. Assim, várias formas alternativas de estrutura do pavimento asfáltico
e a espessura de cada camada estrutural foram propostas preliminarmente. Os resultados do
cálculo da vida de fadiga foram consistentes com os dados observados em uma pista
experimental durante quatro anos e com os resultados da avaliação obtidos usando a área
equivalente da envoltória. Com essa análise, a avaliação da articulação entre as camadas da
estrutural do pavimento asfáltico utilizando a área equivalente de envoltória torna-se viável e
confiável.

Uwanuakwa et al. (2020) desenvolveram um modelo preditivo para a estimativa da

suscetibilidade ao cisalhamento e fadiga do ligante asfáltico em temperaturas intermediárias e
altas do pavimento. Com um banco de dados contendo 1976 e 1668 pontos de dados para
parâmetros de corte e fadiga, respectivamente, os autores utilizaram a regressão do processo
Gaussiano (GPR) para prever os parâmetros de corte e fadiga. Ainda, o GPR proposto foi
comparado com uma máquina de vetores de suporte (SVM), redes neurais recorrentes (RNN) e
modelos de redes neurais artificiais (ANN). Como resultados, os autores identificaram que as
variáveis de entrada selecionadas e o banco de dados não foram suficientes para prever os
parâmetros de fadiga em temperatura intermediária. Ainda, as variáveis de entrada não
envelhecidas tiveram maior confiabilidade na previsão dos parâmetros de fadiga. Quanto às
variáveis, o ângulo de fase, a temperatura, a viscosidade e o ponto de amolecimento
apresentaram um efeito significativo na variância de saída do modelo. Contudo, o modelo
proposto ainda apresentou a limitação de um pequeno banco de dados menos abrangente.

Enríquez-León et al. (2021) utilizaram o processamento digital de imagens com técnicas de

inteligência artificial para propor um critério de seleção da quantidade de volume de vazios para
fabricar amostras isoladas de teste de matrizes de agregados finos (MAF). Essa análise contribui
para o estudo de misturas asfálticas, composição fundamental dos revestimentos, onde ocorre
danos estruturais relevantes. A análise dos elementos representativos mostrou que as amostras
de 25 mm de diâmetro por 17 mm de altura extraídas do centro dos corpos de prova
compactados podem ser consideradas como elemento representativo. Ainda, os autores relatam
que a distribuição de volume de vazios dentro de amostras concreto asfáltico (CA) depende do
tamanho nominal máximo do agregado, afetando diretamente a dimensão e a interconectividade
do CA. Assim, os resultados indicaram que o procedimento proposto pode fornecer
informações-chave sobre as características volumétricas das misturas de MAF.

Lv et al. (2021) desenvolveram um método de otimização para projeto do pavimento asfáltico

de base semirrígida. Para isso, os autores estabeleceram um modelo tridimensional de estrutura
de pavimento de elementos finitos. As variáveis independentes foram o módulo da sub-base, o
da camada de base e o módulo do subleito. A deflexão, a tensão de tração inferior e a tensão
máxima de cisalhamento foram escolhidas como índices de avaliação. A combinação ótima do
módulo da estrutura do pavimento foi determinada através da análise da faixa de múltiplos
fatores. Os resultados mostraram quando o módulo da camada de base e da camada de sub-base
foi aumentado, a deflexão foi gradualmente reduzida. Após a combinação do módulo otimizado
da estrutura do pavimento, a resposta mecânica foi significativamente reduzida. A vida à fadiga
baseada na deflexão e na tensão de tração inferior, e a equação de fadiga normalizada em
laboratório foram significativamente aumentadas.

Xu et al. (2021) avaliaram o processo de otimização da camada de revestimento asfáltico de

uma ponte de aço a partir da combinação de um projeto experimental ortogonal, redes neurais,
e algoritmo genético. Como variáveis de otimização foram utilizadas a espessura e o layout. Os
autores chegaram à conclusão de que é necessária uma compreensão mais abrangente da
distribuição de tensão no local de concentração como uma base importante para a otimização
estrutural.

Deng et al. (2021) verificaram que a densidade do dano tinha relações com o tipo de material,
espessura e área de trincamento por fadiga do pavimento. Para isso, realizaram uma atualização
do modelo de elementos finitos baseado em inteligência artificial (IA), aplicada com os
resultados do Falling Weight Deflectometer (FWD) para as calibrações da intensidade do dano
e modulação da camada de reforço. Assim, os autores identificaram que o desenvolvimento da
intensidade do dano com o tempo de serviço do pavimento pode ser categorizado em dois
padrões distintos, sendo potencialmente determinado pela espessura da camada asfáltica.

Sun et al. (2021) propuseram um modelo de previsão da vida útil de fadiga de uma mistura
asfáltica modificada a partir da técnica de máquina vetorial de suporte à otimização por enxame
de partículas (PSO-SVM). Como resultados, os autores identificaram que a previsão do método
PSO-SVM é mais precisa que os dados da observação experimental e podem efetivamente
melhorar a precisão do modelo. Em comparação com o modelo de árvore de decisão (M5’),
redes neurais artificiais e o método de máquina vetorial de suporte, o método PSO-SVM
alcançou melhor desempenho de previsão.

No relativo às camadas granulares, existem estudos que investigam a influência das

propriedades dos materiais na obtenção do Módulo de Resiliência (MR), parâmetro essencial
para previsão do comportamento mecânico dos solos. Contudo, cada região possui materiais
distintos e essas variáveis mudam conforme a classificação desse solo (granular, argila, etc).
Contudo, não há modelos que consideram a mudança de região. Assim, havendo a existência
de uma lacuna.

Zeghal e Khogali (2005) modelaram o módulo de resiliência, obtendo coeficiente de correlação

entre 0,40 e 0,45, com o uso de redes neurais artificiais. Os dados de entrada foram a umidade,
o estado de tensões e a massa específica seca máxima. Viana (2007) desenvolveu modelos de
previsão do módulo de resiliência (MR) de solos tropicais do interior de estado de São Paulo
com o uso de redes neurais artificiais. Foram utilizadas 70 amostras de solos, classificados pela
metodologia MCT, para prever os resultados de MR. As variáveis de entrada foram os limites
de Atterberg (LL e IP), a umidade ótima, a composição granulométrica e resultados dos ensaios
de compressão simples.

Ribeiro (2016) propôs a realização de ensaios geotécnicos convencionais como análise

granulométrica e compactação para a obter dados a serem utilizados na modelagem de previsão
do comportamento resiliente dos solos no estado do Ceará. A partir do uso de redes neurais
artificiais, o autor concluiu que os resultados foram capazes de prever com precisão os valores
de MR dos solos da região estudada, apresentando um coeficiente de correlação de 0,984.

5 Estudos com os dados utilizados

Como serão utilizados dados de distintos trabalhos a níveis de mestrado e doutorado, defendidos
em diferentes instituições de ensino do Brasil, não há registros publicados da análise dos dados
coletados na literatura. Dessa forma, a análise proposta torna-se válida, visando contribuir para
a efetividade de geração de modelos de módulo de resiliência e módulo dinâmico.

6 Método de pesquisa
Para atingir o objetivo proposto, esta pesquisa será dividida em quatro etapas: (i) obtenção e
tratamentos de um amplo banco de dados de misturas asfálticas e materiais granulares de todas
as regiões do Brasil; (ii) modelagem de previsão de Módulo de Resiliência (MR) para solos e
Módulo Dinâmico (MD) para misturas asfálticas, a partir da 3 técnicas de Redes Neurais
Artificiais; (iii) modelagem e previsão da fadiga e da deformação permanente a partir da
variação da espessura das camadas e dos MR e MD; (iv) validação da técnica de redes neurais
artificiais, a partir de simulações realizadas no software MeDiNa, de dimensionamento de
pavimentos asfálticos.

A priori, com base na revisão bibliográfica realizada, serão investigadas a influencia e

correlação das seguintes propriedades: (i) em camadas granulares: umidade, granulometria,
energia de compactação e limites de Atterberg; (ii) em misturas asfálticas: granulometria,
volume de vazios, porcentagem de ligante e relação betume-vazios. Ainda, para ambas as
camadas serão investigadas a influência do tráfego, clima e tensões transmitidas ao pavimento.

A concepção das redes neurais está na interconexão, de forma massiva, de pseudoneurônios,

sendo inspiradas em sistemas biológicos. Esses neurônios podem ser intitulados de nós e são
interligados para formar uma rede. Elas são “treinadas” a partir do ajuste da ponderação dos
elementos para que se aproximem ou reproduzam funções não-lineares. Assim, cada nó possui
ligações com outros, pelas quais enviam e recebem sinais. Dessa forma, se somam as entradas,
retornando uma saída, caso esta seja maior que o valor da soma. Ainda, se ressalta que uma
rede neural pode possuir uma ou múltiplas camadas, em que quanto maior o número de
camadas, melhor a capacidade de aprendizado (SALINI, 2010).

Para as redes neurais lineares é utilizado o modelo McCulloch-Pitts, em que o processamento

de cada unidade é calculado como apresentado na Equação 1. Contudo, os melhores modelos
são os não-lineares, que utilizam de múltiplas camadas. Nesse modelo, não há conexões entre
as variáveis da mesma camada, apenas entre camadas distintas. Para o processamento desse
tipo de modelo, utiliza-se o Perceptron de múltiplas camadas (MLP). A Figura 1 mostra uma
rede MLP com uma camada intermediária (EVSUKOFF, 2020)

𝑢(𝑡) = ℎ(𝑧(𝑡)) = ℎ (𝜃0 + ∑ 𝑥𝑖 (𝑡)𝜃𝑖 ) (1)

𝑖=1
em que u(t): saída, chamada de valor de ativação;
z(t): resultado do processamento linear, chamado de potencial de ativação;
h: função de ativação;
xi (t), i = 1, ..., n: entradas do neurônio;
θ0: parâmetro de juste do limiar da função de ativação;
θi, i = 1, ..., n: intensidade das conexões.

Figura 1. Rede neural não-linear com camada intermediária (Fonte: Evsukoff, 2020)
Duas camadas intermediárias serão executadas: (i) descobrir as propriedades que influenciam
no módulo de resiliência e (ii) as que interferem no módulo dinâmico. Após essa análise, os
resultados de MR e MD serão testados com as espessuras das camadas granulares para verificar
a influência no percentual final de área trincada no pavimento, relativo ao dano por fadiga.
Assim, será utilizada a linguagem Python e a interface JupyterLab para o tratamento dos dados
com relação às redes neurais artificiais, por ser um ambiente de desenvolvimento interativo que
permite aos usuários configurar e organizar fluxos de trabalho em ciência de dados, computação
científica, e aprendizagem de máquinas. A fonte de códigos a ser utilizada será uma adaptação
dos trabalhos relatados na seção de revisão bibliográfica e que estejam disponíveis em seu
corpo, para as condições e variáveis a serem estudadas.

7 Novidade do trabalho
A novidade do trabalho está centrada na obtenção de uma correlação a nível nacional, sendo
utilizados dados de diversas regiões do Brasil e, ainda, na abordagem de todas as camadas do
pavimento. Nas pesquisas relatadas não são investigadas, simultaneamente, as camadas
granulares e a de revestimento asfáltico. Desse modo, espera-se contribuir para o campo da
ciência com os resultados obtidos na análise a ser realizada.

Referências bibliográficas
BARROS, L. M. de. Implementação do ensaio Stress Sweep Rutting e do Shift Model
para a previsão da deformação permanente de misturas asfálticas brasileiras. 2022. 223
f. Tese (Doutorado) - Curso de Engenharia Civil, Universidade Federal do Rio de Janeiro, Rio
de Janeiro, 2022.

BUENO, L. D.; SCHUSTER, S. L.; SPECHT, L. P.; PEREIRA, D. S.; NASCIMENTO, L. A.

H. do; KIM, Y. R.; BRENNER, M. G. B. Asphalt pavement design optimisation: a case study
using viscoelastic continuum damage theory. International Journal of Pavement
Engineering, v. 23, n. 4, p. 1070-1082, 2 jul. 2020. DOI: 10.1080/10298436.2020.1788030.

CABRAL, W. S. Exploração, análise comparativa e modelagem da deformação

permanente de materiais granulares da microrregião de Mossoró/RN. 2021. 181 f. Tese
(Doutorado) - Curso de Engenharia de Transportes, Universidade Federal do Ceará, Fortaleza,
2021.

DENG, Y.; LUO, X.; WANG, H. Backcalculation of damage density of in‐service asphalt
pavements using artificial intelligence‐based finite element model updating. Fatigue &
Fracture of Engineering Materials & Structures, v. 45, n. 3, p. 671-686, 2 dez. 2021. DOI:
10.1111/ffe.13624.

ENRÍQUEZ-LEÓN, A. J.; SOUZA, T. D. de; ARAGÃO, F. T. S.; PEREIRA, A. M. B.;

NOGUEIRA, L. P. Characterization of the air void content of fine aggregate matrices within
asphalt concrete mixtures. Construction And Building Materials, v. 300, p. 124214, set.
2021. DOI: 10.1016/j.conbuildmat.2021.124214.

GONG, H.; SUN, Y.; HU, W.; HUANG, B. Neural networks for fatigue cracking prediction
using outputs from pavement mechanistic-empirical design. International Journal of
Pavement Engineering, v. 22, n. 2, p. 162-172, 17 fev. 2019. DOI:
10.1080/10298436.2019.1580367.

GOUVEIA, B. C. S. Métodos de previsão e determinação de Módulo Dinâmico de

misturas asfálticas aplicadas em rodovias brasileiras. 2016. 97 f. Tese (Doutorado) - Curso
de Engenharia de Transportes, Universidade Federal do Ceará, Fortaleza, 2016.

KARLAFTIS, A. G.; BADR, A. Predicting asphalt pavement crack initiation following

rehabilitation treatments. Transportation Research Part C: Emerging Technologies, v. 55,
p. 510-517, jun. 2015. DOI: 10.1016/j.trc.2015.03.031.

LI, H.; FANG, N.; WANG, X.; WU, C.; FANG, Y. Evaluation of the Coordination of
Structural Layers in the Design of Asphalt Pavement. Applied Sciences, v. 10, n. 9, p. 3178,
2 maio 2020. DOI: 10.3390/app10093178.

LV, S.; YUAN, J.; PENG, X.; ZHANG, N.; LIU, H.; LUO, X. A structural design for semi-
rigid base asphalt pavement based on modulus optimization. Construction And Building
Materials, v. 302, p. 124216, out. 2021. DOI: 10.1016/j.conbuildmat.2021.124216.

MCDONALD, M.; MADANAT, S. Life-Cycle Cost Minimization and Sensitivity Analysis

for Mechanistic-Empirical Pavement Design. Journal of Transportation Engineering, v.
138, n. 6, p. 706-713, jun. 2012. DOI: 10.1061/(asce)te.1943-5436.0000346.

MEDINA, J. de; MOTTA, L. M. G. da. Mecânica dos Pavimentos. 3. ed. Rio de Janeiro:
Interciência, 2015.

MOGHADDAM, T. B.; SOLTANI, M.; SHAHRAKI, H. S.; SHAMSHIRBAND, S.; NOOR,

N. B. M.; KARIM, M. R. The use of SVM-FFA in estimating fatigue life of polyethylene
terephthalate modified asphalt mixtures. Measurement, v. 90, p. 526-533, ago. 2016. DOI:
10.1016/j.measurement.2016.05.004.

POŜARYCKI, A. Pavement diagnosis accuracy with controlled application of artificial neural

network. The Baltic Journal of Road and Bridge Engineering, v. 10, n. 4, p. 355-364, 15
dez. 2015. DOI: 10.3846/bjrbe.2015.45.

RIBEIRO, A. J. A. Um modelo de previsão do módulo de resiliência dos solos no estado

do Ceará para fins de pavimentação. 2016. 151 f. Tese (Doutorado) - Curso de Engenharia
de Transportes, Universidade Federal do Ceará, Fortaleza, 2016.

SUN, Y.; HE, D.; LI, J. Research on the Fatigue Life Prediction for a New Modified Asphalt
Mixture of a Support Vector Machine Based on Particle Swarm Optimization. Applied
Sciences, v. 11, n. 24, p. 11867, 14 dez. 2021. DOI: 10.3390/app112411867.

UWANUAKWA, I. D.; ALI, S. I. A.; HASAN, M. R. M.; AKPINAR, P.; SANI, A.;
SHARIFF, K. A. Artificial Intelligence Prediction of Rutting and Fatigue Parameters in
Modified Asphalt Binders. Applied Sciences, v. 10, n. 21, p. 7764, 3 nov. 2020. DOI:
10.3390/app10217764.

VIANA, H. M. F. Estudo do comportamento resiliente dos solos tropicais grossos do

interior do Estado de São Paulo. 2007. 320 f. Tese (Doutorado) - Curso de Engenharia
Civil, Universidade de São Paulo, São Carlos, 2007.

XU, X.; GU, Y.; HUANG, W.; CHEN, D.; ZHANG, C.; YANG, X. Structural Optimization
of Steel—Epoxy Asphalt Pavement Based on Orthogonal Design and GA—BP Algorithm.
Crystals, v. 11, n. 4, p. 417, 13 abr. 2021. DOI: 10.3390/cryst11040417.

ZEGHAL, M.; KHOGALI, W. Predicting the resilient modulus of unbound granular materials
by neural networks. National Research Council Canada (NRCC-47704). BCRA 2005,
Trondheim, Norway, June 27-29, 2005, pp. 1-9.