Enhancing property prediction in building materials through data-augmented neural networks

dc.contributor
Universitat Rovira i Virgili. Departament d'Enginyeria Mecànica
dc.contributor.author
Souza Rosa, Ana Carolina
dc.date.accessioned
2024-10-17T09:21:01Z
dc.date.issued
2024-09-20
dc.identifier.uri
http://hdl.handle.net/10803/692333
dc.description.abstract
Les práctiques de construcció energéticament eficients són essencials en la planificació urbana moderna, amb l'objectiu de reduir el consum d'energia, millorar el confort térmic, promoure la sostenibilitat i disminuir els costos a llarg termini. La demanda d'edificis energéticament eficients impulsa els avern;:os en materials, técniques i tecnologies intel·ligents, cosa que condueix a estructures sostenibles i rendibles que beneficien tant el medi ambient com l'economia. Els investigadors es concentren en els materials de construcció pera l'envoltant de l'edifici, crucials per mantenir temperatures internes estables. La cura en la selecció de materials duran! el disseny pot reduir significativament el consum d'energia, millorar la durabilitat i disminuir els costos. El formigó segueix sent un material versátil, valora! per la seva resistencia mecánica i adaptabilitat. Pot adaptar-se amb diferents composicions i additius per satisfer els requisits específics de cada projecte, donan! suporta l'eficiéncia energética i la resiliéncia a llarg termini. L'evolució del disseny de mescles de formigó ara inclou la sostenibilitat i les propietats térmiques. Els métodes
ca
dc.description.abstract
Las prácticas de construcción energéticamente eficientes son esenciales en la planificación urbana moderna, con el objetivo de reducir el consumo de energía, mejorar el confort térmico, promover la sostenibilidad y disminuir los costos a largo plazo. La demanda de edificios energéticamente eficientes impulsa los avances en materiales, técnicas y tecnologías inteligentes, lo que conduce a estructuras sostenibles y rentables que benefician tanto al medio ambiente como a la economía. Los investigadores se centran en los materiales de construcción para la envolvente del edificio, cruciales para mantener temperaturas internas estables. La cuidadosa selección de materiales durante el diseño puede reducir significativamente el consumo de energía, mejorar la durabilidad y disminuir los costos. El concreto sigue siendo un material versátil, valorado por su resistencia mecánica y adaptabilidad. Puede adaptarse con diferentes composiciones y aditivos para satisfacer los requisitos específicos de cada proyecto, apoyando la eficiencia energética y la resiliencia a largo plazo.
ca
dc.description.abstract
Energy-efficient construction practices are essential in modern urban planning, aiming to reduce energy consumption, improve thermal comfort, promote sustainability, and lower long-term costs. The demand far energy-efficient buildings drives advancements in materials, techniques, and smart technologies, leading to sustainable and cost-effective structures that benefit both the environment and the economy. Researchers focus on building materials far the building envelope, crucial far maintaining stable interna! temperatures. The careful selection of materials during design can significantly reduce energy consumption, enhance durability, and lower costs. Concrete remains a versatile material, valued far its mechanical strength and adaptability. lt can be tailored with different compositions and additives to meet specific project requirements, supporting energy efficiency and long-term resilience.
ca
dc.format.extent
134 p.
ca
dc.language.iso
eng
ca
dc.publisher
Universitat Rovira i Virgili
dc.rights.license
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
ca
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Materials de construcció
ca
dc.subject
Aprenentatge automàtic
ca
dc.subject
Augment de dades
ca
dc.subject
Materiales de construcción
ca
dc.subject
aprendizaje automático
ca
dc.subject
Aumento de datos
ca
dc.subject
Building materials
ca
dc.subject
Machine learning
ca
dc.subject
Data Augmentation
ca
dc.subject.other
Enginyeria i arquitectura
ca
dc.title
Enhancing property prediction in building materials through data-augmented neural networks
ca
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
62
ca
dc.subject.udc
624
ca
dc.subject.udc
69
ca
dc.contributor.authoremail
anacarolina.souza@estudiants.urv.cat
ca
dc.contributor.director
Dieter-Thomas, Boer
dc.contributor.codirector
Haddad, Assed Naked
dc.embargo.terms
12 mesos
ca
dc.date.embargoEnd
2025-09-20T02:00:00Z
dc.rights.accessLevel
info:eu-repo/semantics/embargoedAccess


Documents

This document contains embargoed files until 2025-09-20

This item appears in the following Collection(s)