Previsão do coeficiente de permeabilidade de sistemas solo internamente instável-filtro geotêxtil utilizando Redes Neurais Artificiais (RNA)

Abstract

O uso de filtros geotêxteis em atividades de engenharia geotécnica e proteção ambiental tem sido crescente nas últimas décadas devido às vantagens na execução de empreendimentos e na preservação ambiental, reduzindo o uso de materiais naturais como areia e brita. No entanto, preocupações sobre seu desempenho a longo prazo, como a redução de permeabilidade e colmatação, persistem. O comportamento de um filtro geotêxtil pode ser influenciado por diversas condições, especialmente o tipo de solo, sobretudo em solos internamente instáveis, onde a sufusão pode comprometer o seu desempenho. Portanto, é necessário buscar métodos alternativos de previsão de comportamento sob tais condições. Esta dissertação investigou o uso de Rede Neural Artificial (RNA) para prever a permeabilidade do sistema solo-geotêxtil com base em 352 resultados de ensaios de laboratório obtidos por diferentes autores. Foi utilizada uma arquitetura de Perceptron Multicamada (PMC) para configurar o modelo e adotou- se o algoritmo de Retropropagação (RP). Além disso, previsões por regressão linear últipla (RM) e RNA para a permeabilidade de sistemas solo internamente instável-geotêxtil foram comparadas. As acurácias dos métodos RNA e RM foram avaliadas por meio de técnicas estatísticas. Os resultados obtidos mostram que tais técnicas podem ser utilizadas para prever satisfatoriamente o coeficiente de permeabilidade de sistemas solo internamente instável-filtro geotêxtil.