| Resumo : |
Algoritmos de Aprendizado de Máquina (AM) têm sido cada vez mais aplicados a problemas de engenharia geotécnica. Apesar de serem encontrados diversos estudos abordando o problema da previsão da capacidade de carga em fundações, ainda existem várias lacunas a serem exploradas. Algumas são o tamanho das bases de dados utilizadas, a diversidade de suas informações e o número de modelos nos quais são aplicadas. Este trabalho busca preencher algumas dessas lacunas, focando a aplicação de técnicas de AM na previsão da capacidade de carga em estacas pré-moldadas de concreto. A base bruta do trabalho, composta pelas informações utilizadas para obter as bases mais específicas, foi coletada na literatura a partir de três estudos distintos. Ela é composta por 165 provas de carga realizadas de acordo com a NBR 6122 associadas a resultados de ensaios SPT. Tais testes foram realizados em diferentes localidades brasileiras, concentradas principalmente nas regiões Sul e Sudeste do país. A partir da base bruta foram criados quatro conjuntos de dados baseados em métodos semi-empíricos amplamente utilizados na engenharia e mais um quinto composto pela junção dos demais. Esses conjuntos foram aplicados a sete algoritmos de AM diferentes, utilizando a técnica de Leave-one-out-cross-validation (LOOCV). Essa técnica foi utilizada por sua capacidade de otimizar as informações contidas no banco de dados. As métricas de desempenho utilizadas para avaliar os modelos gerados e os métodos semi-empíricos foram o coeficiente de determinação R² e a raiz quadrada do erro médio (RMSE). Os melhores resultados foram obtidos pelos modelos de Florestas Aleatórias (R² = 0,770 e RMSE = 636 kN) e K-vizinhos mais Próximos (R² = 0,762 e RMSE = 651 kN). Os métodos semi-empíricos de Teixeira e o de Decourt-Quaresma obtiveram desempenhos razoáveis em relação às técnicas de AM, com R² de 0,755 e 0,745, respectivamente. Os métodos de Meyerhof e Aoki-Velloso atingiram os menores valores de R² dentre todos os modelos, com valores respectivos de 0,660 e 0,614. Além disso, os métodos semi-empíricos utilizados neste trabalho atingiram maiores valores de RMSE quando comparados às demais técnicas. A partir dos resultados obtidos nessa pesquisa, pôde-se concluir que as técnicas de AM são uma alternativa aos métodos clássicos de cálculo de capacidade de carga. Vale destacar também uma limitação de tais modelos: a performance para novos exemplos é tão boa quanto melhor a representatividade deles na base de dados utilizada para treinamento. Dessa forma, não é recomendável aplicar tais modelos em solos cujas características sejam muito distintas daquelas observadas na base de treinamento. Para trabalhos futuros, sugere-se a utilização de bases de dados maiores e diversas, bem como a utilização de diferentes dados de entrada, como resultados de ensaio CPT. |