PrevisÃo de recalques em fundaÃÃes profundas utilizando redes neurais artificiais do tipo perceptron

• Autor(a) principal: Luciana Barbosa AmÃncio
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
• Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=10726
• topic: Geotecnia; FundaÃÃes (Engenharia); Redes neurais; Deep Foundation, Settlements, Artificial Neural Networks.; ENGENHARIA CIVIL

A previsÃo de recalque em fundaÃÃes profundas do tipo estacas hÃlice contÃnua, escavada e cravada metÃlica à o objeto principal desse estudo. O recalque à o deslocamento vertical para baixo que uma fundaÃÃo apresenta quando submetida a um determinado carregamento. A estimativa dos recalques em fundaÃÃes profundas pode ser feita utilizando-se diversas metodologias, dentre as quais os mÃtodos numÃricos e os teÃricos. Diferentes variÃveis influenciam os recalques ocorridos nas fundaÃÃes profundas do tipo estaca destacando-se as caracterÃsticas de resistÃncia e deformabilidade dos materiais envolvidos, a estratigrafia do solo de fundaÃÃo e a geometria do elemento estrutural de fundaÃÃo, dentre outras, configurando-se, portanto, como um problema multi-variado e de grande complexidade. Uma alternativa para a estimativa mais realista dos recalques em fundaÃÃes profundas consiste no emprego das redes neurais artificiais, que sÃo modelos que trabalham analogamente ao cÃrebro humano que tÃm, recentemente, contribuÃdo na resoluÃÃo de problemas complexos em diversas Ãreas da Engenharia Civil. Nessa pesquisa foram utilizadas redes neurais multicamadas alimentadas adiante (perceptron multi-camadas) para o desenvolvimento de um modelo de previsÃo de recalques em estacas, a partir de um treinamento supervisionado, que utiliza o algoritmo de retropropagaÃÃo do erro (error back propagation). Para o desenvolvimento do modelo foram coletados resultados de ensaios SPT e provas de carga estÃtica, e com auxÃlio do programa QNET2000 foram treinados e validados vÃrios modelos de redes neurais. ApÃs as anÃlises e comparaÃÃes entre os resultados de diferentes configuraÃÃes, constatou-se que as redes neurais artificiais foram capazes de entender o comportamento das fundaÃÃes profundas do tipo hÃlice contÃnua, cravada metÃlica e escavada no que tange a influÃncia das variÃveis de entrada consideradas para a estimativa dos recalques. AlÃm disto, constatou-se que os resultados obtidos pelo modelo desenvolvido permitem, dentre outras coisas, a definiÃÃo das cargas de trabalho e cargas limites na estaca. A arquitetura desse modelo à formada por 6 nÃs na camada de entrada, 20 neurÃnios distribuÃdos em 3 camadas ocultas, e 1 neurÃnio na camada de saÃda, correspondente ao recalque medido para a estaca. O processo de alteraÃÃo dos pesos sinÃpticos, na fase de validaÃÃo do modelo, com 4 milhÃes de iteraÃÃes resultou no maior coeficiente de correlaÃÃo entre os recalques estimados e os recalques medidos, que foi de 0,89, o qual pode ser considerado satisfatÃrio, em se tratando da previsÃo de um fenÃmeno complexo.