Uso de Redes Neurais Artificiais E Estatística na Determinação de Correlações entre Resultados de Ensaios de Penetração de Campo
Nome: GABRIELE CARVALHO BAHIENSE CARIAS
Data de publicação: 25/03/2024
Banca:
Nome |
Papel |
|---|---|
| BERNADETE RAGONI DANZIGER | Examinador Externo |
| HERALDO LUIZ GIACHETI | Examinador Externo |
| KATIA VANESSA BICALHO | Presidente |
| MARISTELA GOMES DA SILVA | Examinador Externo |
| WILIAN HIROSHI HISATUGU | Coorientador |
Resumo: Os resultados dos ensaios de campo para determinação da resistência do solo à penetração são essenciais para definir o comportamento geotécnico e estimar parâmetros em projetos de engenharia civil. Devido à variedade de ensaios e à impossibilidade de investigações completas, é necessário avaliar correlações entre os diferentes ensaios, considerando suas características específicas. Nesta pesquisa foram analisadas as influências nas correlações definidas entre
resultados de ensaios de determinação da resistência do solo à penetração SPT e CPT (e suas variações, como o ensaio de penetração de piezocone, CPTu), e analisado o uso de redes neurais artificiais para correlacionar resultados de ensaios de campo para determinação da resistência do solo à penetração. Foi realizado um pré-tratamento estatístico dos dados, avaliando a
distribuição de frequência dos diferentes parâmetros analisados bem como suas faixas de variação, ainda, foram discutidos os ganhos obtidos com a consideração de resultados de ensaios DMT associados aos ensaios CPTu e SPT para identificação do comportamento mecânico dos solos, apontando divergências de interpretação quando considerados os três ensaios in situ. Avaliou-se ainda a influência de alguns parâmetros como profundidade, atrito lateral, excesso de poropressão, entre outros, nas correlações definidas entre resultados dos ensaios de determinação da resistência do solo à penetração SPT e CPTu. Um modelo de rede neural artificial (RNA) do tipo perceptron de múltiplas camadas (MLP) foi desenvolvido para correlacionar resultados de testes de penetração in-situ. Os dados utilizados nesta pesquisa consistiram em 38355 conjuntos de resultados de SPT-CPT-DMT para solos arenosos, siltosos e argilosos. As variáveis de entrada do modelo de RNA incluem: índice de resistência à penetração N60 do SPT, resistência à ponta do cone (qt), atrito lateral (fs), poropressão (u2) e índice de material (Ic) do CPTu, além do índice de material (ID) do DMT. A pesquisa demonstra que fatores como profundidade e atrito lateral influenciam as relações SPT-CPTu e redes neurais treinadas apenas com qt e N60 apresentaram baixo desempenho, enquanto a inclusão de profundidade, atrito lateral e ID do DMT melhoram o desempenho estatístico do modelo, que, todavia, não se ajusta a uma equação genérica.
