Modelo de previsão de recalques em estacas hélice contínua, metálicas e escavadas através de redes neurais artificiais
DOI:
https://doi.org/10.24849/j.geot.2016.136.02Palavras-chave:
Estacas, redes neurais artificiais, recalquesResumo
Este trabalho apresenta um método para previsão de recalques em estacas desenvolvido com o uso de redes neurais artificiais do tipo perceptron. Foram utilizados resultados de 199 ensaios SPT e provas de carga estáticas realizadas em estacas hélice contínua, escavadas e metálicas. São variáveis de entrada para o modelo: tipo e geometria da estaca (diâmetro e comprimento), as características do solo definidas a partir de resultados dos ensaios SPT e a carga aplicada. A arquitetura da rede neural que apresentou o melhor desempenho foi A:10:14:8:4:2:1, com um coeficiente de correlação igual a 0,94. Os resultados foram comparados àqueles obtidos em trabalhos anteriores e por outros autores que também desenvolveram modelos de previsão de recalques com redes neurais artificiais. Esta comparação mostrou que o modelo proposto neste trabalho foi capaz de prever os recalques com maior precisão.
Downloads
Referências
Anjos, G.J.M. (2006). Estudo do Comportamento de Fundações Escavadas em Solos Tropicais. Tese de Doutorado. Publicação G.TD/033/06, Departamento de Engenharia Civil e Ambiental, Universidade de Brasília, Brasília, DF, 341p.
Amâncio, L.B. (2013). Previsão de recalques em fundações profundas utilizando redes neurais artificiais do tipo perceptron. Dissertação de Mestrado em Engenharia Civil, Universidade Federal do Ceará, Fortaleza, Brasil. 90p.
Bussab, W.O.; Morettin, P.A. (1987). Estatística Básica. Atual, 4ª ed. São Paulo, Brasil, 150p.
Cintra, J.C.A.; Aoki, N. (2010). Fundações por estacas: projeto geotécnico. Ed. Oficina de Textos. São Paulo, SP, Brasil.
Dantas Neto, S.A. (2004). Avaliação das Propriedades dos Ligantes e das Misturas Asfálticas Modificados com Borracha Granulada de Pneus Usados. Tese (Doutorado em Geotecnia), Departamento de Engenharia Civil e Ambiental, Universidade de Brasília, Brasília, 265p.
Dantas Neto, S.A.; Silveira, M.V.; Amâncio, L.B.; Anjos, G.M. (2014). Pile Settlement Modeling with Multilayer Perceptrons. Electronic Journal of Geotechnical Engineering, v. 19, pp. 4517- 4528. (http://www.ejge.com/2014/Ppr2014.426ma.pdf)
Fleming, W.G.K.; Weltman, A.J.; Randolph, M.F.; Elson, W.K. (2008). Piling Engineering. Third Edition. Taylor & Francis e-Library, 408p.
Haykin S. (2001). Redes Neurais: princípios e prática. 2a. ed. Porto Alegre: Bookman, 900p.
Poulos, G.H.; Davis, E.H. (1980). Pile Foundation Analysis and Design, Wiley and Sons, New York, USA, 397p.
Randolph, M.F.; Wroth, C. (1978). Analysis of Deformation of Vertically Loaded Piles, JGED, ASCE, 104 (GT12), pp. 1465-1488.
Rumelhart, D.E.; Hinton, G.E.; Williams, R.J. (1986). Learning Internal Representations of Back Propagation Error. Nature, v. 323, pp. 533-536.
Silveira, M.V. (2014). Modelo Neuronal para Previsão de Recalques em Estacas Hélice Contínua, Metálica, e Escavada. Dissertação de Mestrado. Programa de Pós-graduação em Engenharia Civil. Departamento de Engenharia Hidráulica e Ambiental. Universidade Federal do Ceará. Fortaleza, Brasil. 107p.
