Banca de DEFESA: MARINA CARTAXO BRAGA MORAIS DE OLIVEIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARINA CARTAXO BRAGA MORAIS DE OLIVEIRA
DATA : 26/02/2026
HORA: 14:00
LOCAL: Pós-Graduação Engenharia Civil
TÍTULO:

MODELAGEM PREDITIVA DA CAPTURA DE CO2 EM MATERIAIS CIMENTÍCIOS SUBMETIDOS À CURA POR CARBONATAÇÃO: uma abordagem baseada em revisão sistemática e aprendizado de máquina

PALAVRAS-CHAVES:

Captura de CO2; carbonatação acelerada; materiais cimentícios; aprendizado de máquina; modelagem preditiva

PÁGINAS: 172
RESUMO:

A crescente demanda pela mitigação das emissões de dióxido de carbono (CO2) tem impulsionado o desenvolvimento de estratégias de captura, utilização e armazenamento de carbono (CCUS) no setor da construção. Nesse contexto, a carbonatação acelerada de materiais cimentícios tem se destacado como uma alternativa promissora, permitindo a mineralização permanente do CO2 em carbonatos estáveis. No entanto, a literatura existente é marcada por significativa heterogeneidade metodológica, limitada padronização experimental e escassez de modelos preditivos capazes de integrar simultaneamente variáveis de dosagem e condições de exposição. Este estudo teve como objetivo realizar uma revisão sistemática da literatura, apoiada em análise bibliométrica, e desenvolver um modelo preditivo para a captura de CO2 em pastas de cimento submetidas à cura por carbonatação, utilizando técnicas de inteligência artificial e de aprendizado de máquina. A revisão foi conduzida de acordo com o protocolo PRISMA, resultando na consolidação de um conjunto de dados estruturado composto por 516 registros experimentais extraídos da literatura internacional. Desses, 394 registros apresentaram valores de CO2 uptake (%) e 202 reportaram teor de CaCO3 (% em massa) determinado por análise termogravimétrica (TGA), sendo ambas as variáveis-resposta modeladas de forma independente. A análise exploratória dos dados revelou distribuições assimétricas à direita e elevada dispersão em ambas as variáveis-resposta, além de correlações predominantemente fracas a moderadas entre os preditores individuais e os resultados da carbonatação, confirmando o caráter multivariado e não linear do processo. Foram avaliados os algoritmos Regressão Linear, Random Forest, Gradient Boosting e Redes Neurais Artificiais. Os métodos baseados em ensembles apresentaram desempenho preditivo superior, alcançando valores de R2 no conjunto de teste próximos de 0,79 na predição de CO2 uptake, enquanto a regressão linear demonstrou capacidade limitada de generalização. Os resultados indicam que a captura de CO2 em materiais cimentícios é governada pela interação acoplada entre parâmetros de dosagem, incluindo teor de cimento, relação água/aglomerante, composição química e incorporação de materiais cimentícios suplementares, e condições ambientais, como tempo de carbonatação, concentração de CO2, pressão, temperatura e umidade relativa. Os resultados da modelagem preditiva demonstram ainda que nenhuma variável, isoladamente, controla a eficiência da carbonatação; ao contrário, a mineralização do CO2 resulta da interação não linear entre a composição do material e as condições de cura. Esses achados reforçam a importância de estratégias integradas de otimização entre a dosagem e a exposição e evidenciam o potencial das ferramentas de aprendizado de máquina para apoiar o projeto racional de processos de cura por carbonatação.

MEMBROS DA BANCA:
Externo à Instituição - ROBSON ARRUDA DOS SANTOS - IFPB
Presidente - 2312165 - RACHEL PEREZ PALHA
Externo à Instituição - ROMILDO MORANT DE HOLANDA - UFRPE