ANÁLISE COMPARATIVA DA ESTIMATIVA DO COEFICIENTE DE PERMEABILIDADE DE SOLOS POR REDES NEURAIS ARTIFICIAIS E MÉTODOS ESTATÍSTICOS
Nome: MORGANA MORESCHI
Data de publicação: 17/02/2023
Banca:
Nome |
Papel |
|---|---|
| KATIA VANESSA BICALHO | Orientador |
Resumo: Esta pesquisa analisa e compara o desempenho de redes neurais artificiais (RNA),
métodos estatísticos e correlações empíricas e semiempíricas na previsão de valores
do coeficiente de permeabilidade de solos saturados (ksat), a partir de propriedades
índices que caracterizam a distribuição granulométrica e a fração fina. Foram
compilados e comparados 8258 dados experimentais de ksat de solos compostos por
grãos grossos e finos (2,50x10-13 ksat (m/s) 4,50x10-2), publicados em 08 bancos
de dados na literatura, com o intuito de auxiliar na compreensão das propriedades
hidráulicas de solos saturados e na descrição de problemas de predição de
ksat. Posteriormente, um conjunto de amostras foi selecionado e analisado com uma
combinação de diferentes variáveis de entrada para previsão do log(ksat), utilizando
regressão linear e polinomial múltipla e RNA. As variáveis de entrada consideradas
foram percentual de finos (silte e argila) (%Finos), limite de liquidez (LL), diâmetro
efetivo (d10), coeficiente de uniformidade (Cu) e índice de vazios (e). Os resultados
foram avaliados a partir dos valores do coeficiente de determinação, da raiz do erro
quadrático médio e do erro médio absoluto. O desempenho das RNA superou as
regressões e as correlações da literatura. De todos os resultados das análises
realizadas, a RNA302, que considerou como variáveis independentes o %Finos, LL,
Cu e d10, apresentou, numericamente, os melhores resultados. O acréscimo de uma
terceira camada oculta reduziu a acurácia das redes. As regressões e as RNA foram
melhores que as correlações empíricas para a previsão de ksat, para a base de dados
investigada, e mostraram que a escolha das variáveis que caracterizam a distribuição
granulométrica e a fração fina foi satisfatória para a base de dados experimentais.
Considerando que ksat é uma propriedade altamente variável e função de diversas
propriedades interdependentes, a técnica de RNA mostrou-se viável, principalmente,
por não exigir o conhecimento prévio da relação matemática entre as variáveis e por
sua capacidade de descrever problemas de maior complexidade. Destaca-se a
importância de se incluir informações sobre a granulometria e a natureza dos finos em
bancos de dados de ksat, principalmente, para caracterização da permeabilidade de
amostras com propriedades hidráulicas dominadas pela fração fina.
