Neuronal model for prediction of settlements in cintinua auger piles, metal and excavated

• Autor(a) principal: Mariana Vela Silveira
• Data de Publicação: 2014
• 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=12232
• topic: Recalques; Artificial Neural Networks, Deep Foundation, Settlements; ENGENHARIA CIVIL

Estimar o recalque em estacas à um problema muito complexo, incerto e ainda nÃo totalmente compreendido, devido Ãs muitas incertezas associadas aos fatores que afetam a magnitude desta deformaÃÃo. As RNA sÃo ferramentas que funcionam analogamente ao cÃrebro humano, e sua unidade principal, o neurÃnio artificial, trabalha de maneira semelhante ao neurÃnio biolÃgico. Esta ferramenta alternativa vem sendo aplicada com sucesso em muitos problemas de engenharia geotÃcnica, podendo, portanto ser utilizadas como uma ferramentas alternativas para avaliar recalques em estacas isoladas. Nessa pesquisa as RNA utilizadas foram do tipo perceptron de mÃltiplas camadas, empregando um treinamento supervisionado utilizando o algoritmo de retropropagaÃÃo do erro. O modelo desenvolvido relaciona o recalque em estacas isoladas com as propriedades geomÃtricas das estacas (diÃmetro e comprimento), a estratigrafia e as caracterÃsticas de compacidade, ou consistÃncia dos solos por meio dos resultados obtidos nos ensaios SPT, e a carga atuante, obtidas em provas de carga realizadas em estacas hÃlice contÃnua, cravada metÃlica e escavada. O conjunto de aprendizagem foi composto por 1947 exemplos de entrada e saÃda. Com auxilio do programa QNET2000 foram treinadas e validadas vÃrias arquiteturas de redes neurais. ApÃs comparar o desempenho da curva carga x recalque elaborada com os recalques estimados pelo modelo proposto com a curva carga x recalque resultante da prova de carga estÃtica e com a curva carga x recalque gerada pelo emprego do programa comercial baseado em elementos finitos tridimensionais PLAXIS 3D Foundation, constatou-se que as RNA foram capazes de entender o comportamento das fundaÃÃes profundas do tipo estacas hÃlice contÃnua, escavada e cravada metÃlica, possibilitando dentre outras coisas, a definiÃÃo das cargas de trabalho e cargas limites nas estacas.