NEURO-CPT: CLASSIFICAÇÃO DE SOLOS USANDO-SE REDES NEURAIS ARTIFICIAIS

Abstract

Este trabalho é uma aplicação da inteligência computacional na área de geotecnia, especificamente na classificação de solos. Os dados usados no treinamento da Rede Neural Artificial (RNA) foram obtidos de situações reais, com a classificação validada pelo método de determinação do comportamento do solo através do Teste da Penetração do Cone (CPT). Não foram usados nessa investigação, dados referentes à pressão intersticial da água (poropressão) empregados na correção do valor da resistência da ponta do cone no método piezocone com medição da poropressão (CPTu). Assim a variável de entrada qc , que indica a resistência da ponta do cone e Rf, razão de atrito, que representa a relação entre a resistência de atrito lateral fs e a resistência da ponta do cone, são usadas para mapear 12 tipos de solos, abrangendo desde solos finos e sensíveis a areias pedregulhosas. O banco de dados utilizado para teste também foi devidamente validado pelo teste CPT e os resultados obtidos pela RNA, treinada pelo método resiliente de retro propagação de erro apresentaram uma percentagem de acerto de classificação do solo, próxima de 98%.