Aplicação de redes neurais artificiais para previsão de propriedades dos solos tropicais

• Ano de defesa: 2002
• Autor(a) principal: Rodgher, Sandra Fabiana
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial neural networks; Classificação de solos; Classification of soils; Forecast of properties of the tropical soils; Previsão de propriedades dos solos tropicais; Redes neurais artificiais
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18137/tde-11072017-112543/

Este trabalho propõe a aplicação da técnica de redes neurais artificiais (RNAs) para a previsão de propriedades geotécnicas dos solos do município de São Carlos (SP), baseada em outras propriedades determinadas preliminarmente. Esse método tem a finalidade de simplificar o processo de obtenção das propriedades dos solos, eliminando a lentidão dos procedimentos de ensaios e os cálculos a serem realizados, além de reduzir a dificuldade de ter que fazê-los utilizando os métodos tradicionais. Foram simuladas cento e noventa e sete RNAs para a previsão das seguintes propriedades: unidade ótima, massa específica seca máxima, mini-CBR na umidade de moldagem obtido na umidade ótima, mini-CBR obtido após 24h de imersão na umidade ótima, expansão e contração obtidas na umidade ótima para as energias normal e intermediária. No treinamento das RNAs foi utilizada uma base de dados com um total de cento e uma amostras que, além de conter os valores das propriedades \"alvo\" para previsão, também contém: valor de azul (Va), coeficiente de atividade (CA), análise granulométrica por sedimentação (peneiras #0,42,#0,074 e #0,075), parâmetros da classificação MCT (c\', Pi, d\' e e\') e classificação por cores (croma, valor e matriz). O aplicativo utilizado para treinar as RNAs foi o EASYNN 7.5, que se baseia em redes Multiplayer Perceptron e no algoritmo de treinamento Backpropagation. Para a previsão de propriedades geotécnicas dos solos, os desempenhos das redes foram bastante bons para umidade ótima, massa específica seca máxima e contração nas energias normal e intermediária. Contudo, os desempenhos das RNAs para mini-CBR na umidade de moldagem, mini-CBR após 24h de imersão e expansão obtidas na umidade ótima de energias normal e intermediária foram menos satisfatórios. De maneira geral, os resultados obtidos nesse estudo sugerem que modelos que fazem uso das redes neurais artificiais para previsão de propriedades geotécnicas de solos para pavimentação apresentam-se como promissores e podem, no futuro, contribuir para a melhoria e redução de custos da fase de estudo geotécnico para implantação de vias em municípios de pequeno e médio portes.