In order to planning the Construction and Demolition Waste (CDW) management approach on a construction site, it is necessary to have a prior knowledge of what is being generated (qualitative analysis), the quantity that is being generated (quantitative analysis), and what is the proper final destination assigned to this material. This article proposes a new method to estimate CDW generation in Brazil from a qualitative and quantitative analysis of CDW generation in worksites. For the waste characterization, it was used the compression test with energy of Standard Proctor Test, granulometric analysis, microstructure analysis and direct shear tests. For the quantitative data collection, the research was limited to worksites of residential or commercial multi-story buildings, with reinforced concrete structure, which is the most common type used in Brazil. The data on the number of waste bins removed monthly, transportation and final disposal, CDW management costs, and constructive process were obtained from the construction companies.
A deposição irregular dos Resíduos da Construção Civil (RCC) ocasiona uma série de impactos ambientais nos recursos hídricos como problemas à saúde, poluição das águas e do solo, e danos estéticos às cidades. Esta pesquisa tem como objetivo mapear os pontos de deposição irregular de RCC na Região Metropolitana do Recife (RMR) e avaliar os impactos ambientais que os mesmos ocasionam nas bacias hidrográficas Para a identificação das áreas foram realizadas incursões a 7 municípios da RMR, onde foram mapeados os pontos de deposição, sendo posteriormente plotados no software Google Earth. Após a coleta dos dados, foram identificados 1252 pontos, os quais foram divididos em classes de risco para analisar quais áreas possuem um maior risco de ocasionar impactos ambientais. Verificou-se que a bacia Grupos Litorâneos 1 (GL1) apresenta mais áreas de alto impacto ambiental, e que a bacia do Capibaribe possui a maior quantidade de pontos de deposição irregular. Apenas dois pontos possuem impacto ambiental muito alto, um localizado no município do Cabo de Santo Agostinho, e outro no município de Olinda. Conclui-se que há uma grande necessidade de implantação de um plano integrado de gerenciamento dos RCC na RMR, como também de maior fiscalização por parte dos comitês de bacia.
Solos colapsíveis e expansivos são problemáticos na Engenharia Civil causando patologias nas edificações devido à variação de volume com a mudança de umidade. A identificação desses solos na fase de projeto é importante. O artigo visa elaborar uma arquitetura de Rede Neural Artificial treinada com solos de Pernambuco, para identificação de solos expansivos e colapsíveis, e ampliar sua aplicação à solos dos demais estados do Nordeste brasileiro. Desenvolvida a partir de 87 amostras, divididas entre grupos de treinamento (53 amostras), seleção (17 amostras) e teste (17 amostras), segundo 4 variáveis de entrada porcentagem de areia, porcentagem de argila, índices de plasticidade e atividade. A melhor arquitetura da rede consiste em 4 neurônios na entrada e 1 na saída. Para a validação às cegas do modelo, a rede foi aplicada a 45 amostras de solos colapsíveis e expansivos de demais estados do Nordeste. A análise de desempenho da precisão de classificação da rede com dados de Pernambuco apresentou uma taxa de acurácia de 76,5% e na validação nos demais estados do Nordeste o reconhecimento de padrões foi ainda maior, atingindo acurácia de 91,1%, demonstrando capacidade de capturar tendências no movimento da superfície do solo e auxiliando na resolução de problemas.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.