http://repositorio.unb.br/handle/10482/49256
File | Description | Size | Format | |
---|---|---|---|---|
LucianaBarbosaAmancio_TESE.pdf | 10,2 MB | Adobe PDF | View/Open |
Title: | Redes neurais do tipo perceptron multicamadas aplicadas na previsão da capacidade de carga de estacas isoladas e em grupos |
Authors: | Amancio, Luciana Barbosa |
Orientador(es):: | Cunha, Renato Pinto da |
Coorientador(es):: | Dantas Neto, Silvrano Adonias |
Issue Date: | 29-Jul-2024 |
Data de defesa:: | 27-Sep-2023 |
Citation: | AMANCIO, Luciana Barbosa. Redes neurais do tipo perceptron multicamadas aplicadas na previsão da capacidade de carga de estacas isoladas e em grupos. 2023. 276 f., il. Tese (Doutorado em Geotecnia) — Universidade de Brasília, Brasília, 2023. |
Abstract: | Diversas pesquisas relatam que as metodologias semi-empíricas aplicadas na previsão da capacidade de carga de estacas isoladas fornecem resultados bastante dispersos em relação aos valores adquiridos a partir de provas de carga e, ademais, desprezam-se os efeitos das cargas residuais nas suas parcelas lateral e de ponta. Tendo em vista que as redes neurais perceptron multicamadas vêm se destacando como uma ferramenta de sucesso na previsibilidade do comportamento de estacas isoladas e em grupos, optou-se por utilizá-la nesta pesquisa para o desenvolvimento de modelos de previsão das parcelas lateral e de ponta de estacas isoladas e também da capacidade de carga de grupos de estacas. Para isso foram coletados resultados de ensaios SPT e provas de cargas estáticas instrumentadas de 120 estacas isoladas e de provas de cargas estáticas realizadas em 60 grupos. De posse das informações relativas às estacas isoladas, foram calculadas as parcelas lateral e de ponta das estacas isoladas e também a correção dessas parcelas considerando a presença das cargas residuais. Essa correção implicou em uma redução nas parcelas laterais e um aumento nas parcelas de ponta, em média, de 22%. A partir das curvas carga-recalque correspondentes aos 60 grupos de estacas foram determinadas, por meio do método de Terzaghi, as capacidades de cargas. Em seguida, definiu-se que as variáveis de entrada para os modelos neurais referentes às estacas isoladas seriam o diâmetro, a resistência à penetração - SPT, a cota do nível d’água, o tipo de estaca, o tipo de solo e a velocidade do carregamento aplicado, enquanto para os modelos referentes aos grupos seriam a geometria do grupo, o espaçamento entre as estacas, a contribuição do elemento que une as estacas e a capacidade de carga fornecida pelo modelo neural desenvolvido neste trabalho. Após isso, diferentes modelos foram treinados e validados com o auxílio do programa QNET2000. Os coeficientes de correlação obtidos na fase de validação desses modelos estão compreendidos entre 0,88 e 0,99, intervalo que pode ser considerado satisfatório, em se tratando da previsão de um fenômeno complexo. Os modelos propostos para estacas isoladas tiveram um bom desempenho para as estacas hélice contínua e metálica. Já o modelo proposto para estimar a capacidade de carga de grupos de estacas teve um bom desempenho para grupos compostos por estacas Hollow Auger. Ao aplicar os modelos propostos em diferentes casos, verificou-se que os modelos relativos às grandezas das estacas isoladas tiveram um desempenho melhor do que as metodologias semi-empíricas usuais e o modelo dos grupos teve um comportamento mais "realista"quando o elemento de ligação contribui na capacidade de carga do sistema. Assim sendo, pode-se afirmar que o perceptron multicamadas é uma ferramenta promissora para o entendimento do mecanismo de transferência de carga que ocorre tanto em estacas isoladas quanto em grupos. Vale lembrar que o diferencial entre os modelos já disponíveis e os propostos neste trabalho está no fato de que a parcela lateral da capacidade de carga é calculada em função da profundidade e não apenas o seu valor total, na possibilidade de avaliar até sete tipos de estacas, dois tipos de carregamentos (SML e QML) e diferentes perfis geotécnicos. |
Abstract: | Several studies have reported that the semi-empirical methodologies applied to predicting the load capacity of single piles provide results that are quite dispersed in relation to the values acquired from load tests and, furthermore, disregard the effects of residual loads in their lateral and tip portions. Given that multilayer perceptron neural network has become a successful tool for predicting the behavior of single piles and pile groups, it decided to use them in this research to develop models for predicting the lateral and tip portions of single piles and also the load capacity of pile groups. To this end, results were collected from SPT tests and instrumented static load tests on 120 single piles and static load tests on 60 groups. Once the information on the single piles was available, the lateral and tip portions of the single piles were calculated, and these portions were corrected for the presence of residual loads. This correction resulted in a reduction in the lateral portion and an increase in the tip portion of 22%, on average.The load capacities of the 60 pile groups were determined using the Terzaghi method. It was then decided that the input variables for the neural models for the single piles would be the diameter, the penetration resistance - SPT, the water level, the type of pile, the type of soil and the speed of the applied load, while for the models for the groups they would be the geometry of the group, the spacing between the piles, the contribution of the element joining the piles and the load capacity provided by the neural model developed in this work. Different models were then trained and validated using the QNET2000 program. The correlation coefficients obtained in the validation phase of these models are between 0.88 and 0.99, a range that can be considered satisfactory when it comes to predicting a complex phenomenon. The models proposed for single piles performed well for continuous auger and steel piles. The model proposed to estimate the load capacity of pile groups performed well for groups made up of Hollow Auger piles. When applying the proposed models to different cases, it was found that the models relating to the quantities of single piles performed better than the usual semi-empirical methodologies and the model for groups had a more "realistic" behaviour when the connecting element contributes to the system’s load capacity. It can therefore be said that the multilayer perceptron is a promising tool for understanding the load transfer mechanism that occurs in both single piles and groups. It is worth remembering that the difference between the models already available and those proposed in this work lies in the fact that the lateral portion of the load capacity is calculated as a function of depth and not just its total value, in the possibility of evaluating up to seven types of pile, two types of loading (SML and QML) and different geotechnical profiles. |
metadata.dc.description.unidade: | Faculdade de Tecnologia (FT) Departamento de Engenharia Civil e Ambiental (FT ENC) |
Description: | Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2023. |
metadata.dc.description.ppg: | Programa de Pós-Graduação em Geotecnia |
Licença:: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições:Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. |
Agência financiadora: | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). |
Appears in Collections: | Teses, dissertações e produtos pós-doutorado |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.