Aplicação de Redes Neurais Artificiais para ESTIMATIVA do Módulo de Resiliência de solos tropicais finos

Resumo

O presente estudo propõe uma alternativa de modelagem do Módulo de Resiliência (MR) de solos tropicais finos baseada em Redes Neurais Artificiais (RNAs), visando estimativas deste parâmetro a partir de propriedades geotécnicas básicas e parâmetros de estado de tensão. Amostras provenientes de sete diferentes locais da Região Metropolitana de Belo Horizonte (RMBH), Minas Gerais, foram submetidas a ensaios laboratoriais de caracterização geotécnica, compactação e ensaios triaxiais de carga repetida. Quatro modelos de RNAs foram desenvolvidos, utilizando diferentes combinações de variáveis de entrada, e avaliados com base em métricas estatística como o Coeficiente de Determinação (R²), Raiz do Erro Quadrático Médio - Root Mean Square Error (RMSE) e Erro Absoluto Médio - Mean Absolute Error (MAE). Os modelos apresentaram elevados coeficientes de determinação (R² 0,95), evidenciando excelente desempenho preditivo. O modelo mais simples, desenvolvido com sete variáveis de entrada, apresentou desempenho comparável ao modelo mais completo, evidenciando que a redução de dimensionalidade não comprometeu de forma significativa a acurácia e, adicionalmente, proporcionou menor custo computacional. A análise de sensibilidade identificou a tensão desviadora (σd) como a variável mais influente no MR, enquanto a fração passante na peneira nº 200 (P200) mostrou menor relevância. Os resultados demonstram a viabilidade do uso de RNAs na estimativa do MR, contribuindo para projetos preliminares e de menor escala com maior agilidade e menor custo.