Uso de redes neurais artificiais e análises de regressão para avaliar correlações entre resultados de ensaios de penetração de campo

Página do item simplificado
dc.contributor.advisor-co1Hisatugu, Wilian Hiroshi
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0001-8333-0539
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6597878238749014
dc.contributor.advisor1Bicalho, Kátia Vanessa
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-2157-7322
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9639299365620025
dc.contributor.authorCarias, Gabriele Carvalho Bahiense
dc.contributor.authorIDhttps://orcid.org/0009-0002-8803-6165
dc.contributor.authorLatteshttp://lattes.cnpq.br/4423444667443490
dc.contributor.referee1Silva, Maristela Gomes da
dc.contributor.referee1IDhttps://orcid.org/0000-0002-7104-1972
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4450263733589061
dc.contributor.referee2Danziger, Bernadete Ragoni
dc.contributor.referee2IDhttps://orcid.org/0000-0001-8413-1240
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2006272256799450
dc.contributor.referee3Giacheti, Heraldo Luiz
dc.contributor.referee3IDhttps://orcid.org/0000-0001-7999-0956
dc.contributor.referee3Latteshttp://lattes.cnpq.br/0781618586438933
dc.date.accessioned2024-09-05T20:02:00Z
dc.date.available2024-09-05T20:02:00Z
dc.date.issued2024-03-25
dc.description.abstractThe results of field tests for determining soil resistance to penetration are essential for defining geotechnical behavior and estimating parameters in civil engineering projects. Due to the variety of tests and the impossibility of complete investigations, it is necessary to evaluate correlations between different tests, considering their specific characteristics. This research analyzed the influences on the correlations defined between the results of SPT and CPT (and their variations, such as piezocone penetration test, CPTu) soil resistance determination tests, and examined the use of artificial neural networks to correlate field test results for determining soil resistance to penetration. A statistical pre-treatment of the data was performed, evaluating the frequency distribution of the different analyzed parameters and their ranges of variation. The study also discussed the benefits obtained by considering the results of DMT tests associated with CPTu and SPT tests for identifying soil mechanical behavior, highlighting interpretation divergences when considering the three in-situ tests. Additionally, the influence of parameters such as depth, lateral friction, excess pore pressure, among others, on the correlations defined between the SPT and CPTu soil resistance determination test results was evaluated. An artificial neural network (ANN) model of the multilayer perceptron (MLP) type was developed to correlate in-situ penetration test results. The data used in this research consisted of 38355 sets of SPT-CPT-DMT results for sandy, silty, and clayey soils. The input variables of the ANN model include: SPT N60 penetration resistance index, cone tip resistance (qt), lateral friction (fs), pore pressure (u2), and material index (Ic) from the CPTu, as well as the material index (ID) from the DMT. The research demonstrates that factors such as depth and lateral friction influence the SPT-CPTu relationships, and neural networks trained only with qt and N60 showed low performance. However, the inclusion of depth, lateral friction, and the DMT ID improved the statistical performance of the model, which, nevertheless, does not fit a generic equation
dc.description.resumoOs resultados dos ensaios de campo para determinação da resistência do solo à penetração são essenciais para definir o comportamento geotécnico e estimar parâmetros em projetos de engenharia civil. Devido à variedade de ensaios e à impossibilidade de investigações completas, é necessário avaliar correlações entre os diferentes ensaios, considerando suas características específicas. Nesta pesquisa foram analisadas as influências nas correlações definidas entre resultados de ensaios de determinação da resistência do solo à penetração SPT e CPT (e suas variações, como o ensaio de penetração de piezocone, CPTu), e analisado o uso de redes neurais artificiais para correlacionar resultados de ensaios de campo para determinação da resistência do solo à penetração. Foi realizado um pré-tratamento estatístico dos dados, avaliando a distribuição de frequência dos diferentes parâmetros analisados bem como suas faixas de variação, ainda, foram discutidos os ganhos obtidos com a consideração de resultados de ensaios DMT associados aos ensaios CPTu e SPT para identificação do comportamento mecânico dos solos, apontando divergências de interpretação quando considerados os três ensaios in situ. Avaliou-se ainda a influência de alguns parâmetros como profundidade, atrito lateral, excesso de poropressão, entre outros, nas correlações definidas entre resultados dos ensaios de determinação da resistência do solo à penetração SPT e CPTu. Um modelo de rede neural artificial (RNA) do tipo perceptron de múltiplas camadas (MLP) foi desenvolvido para correlacionar resultados de testes de penetração in-situ. Os dados utilizados nesta pesquisa consistiram em 38355 conjuntos de resultados de SPT-CPT-DMT para solos arenosos, siltosos e argilosos. As variáveis de entrada do modelo de RNA incluem: índice de resistência à penetração N60 do SPT, resistência à ponta do cone (qt), atrito lateral (fs), poropressão (u2) e índice de material (Ic) do CPTu, além do índice de material (ID) do DMT. A pesquisa demonstra que fatores como profundidade e atrito lateral influenciam as relações SPT-CPTu e redes neurais treinadas apenas com qt e N60 apresentaram baixo desempenho, enquanto a inclusão de profundidade, atrito lateral e ID do DMT melhoram o desempenho estatístico do modelo, que, todavia, não se ajusta a uma equação genérica
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/17712
dc.languagepor
dc.language.isopt
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Civil
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Civil
dc.rightsopen access
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subjectRedes neurais (Computação)
dc.subjectSolos
dc.subjectSolos - Testes
dc.subjectMecânica do solo
dc.subjectEnsaio de penetração padrão (SPT)
dc.subjectEnsaio de piezocone (CPTu)
dc.subjectEnsaio dilatométrico (DMT)
dc.subjectCorrelações
dc.subjectRedes Neurais Artificiais (RNA)
dc.subjectStandard Penetration Test (SPT)
dc.subjectPiezocone Test (CPTu)
dc.subjectDilatometer Test (DMT)
dc.subjectCorrelations
dc.subjectArtificial Neural Networks (ANN)
dc.subject.cnpqEngenharia Civil
dc.titleUso de redes neurais artificiais e análises de regressão para avaliar correlações entre resultados de ensaios de penetração de campo
dc.typemasterThesis
foaf.mboxgabriele.bahiense@edu.ufes.br
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
GabrieleCarvalhoBahienseCarias-2024-dissertacao.pdf
Tamanho:
4.22 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Mestrado em Engenharia Civil