Uma abordagem alternativa para obtenção da classificação de solos da AASHTO usando redes neurais artificiais

Abstract

A prospecção e análise preliminar de solos para identificar a sua tendência de comportamento como subleito através da classificação da AASHTO, gera custos iniciais altos aos projetos rodoviários, os quais, muitas vezes, oneram o seu valor final, tendo em vista que o custo da geotecnia em projetos rodoviários é estimado em 30% na média, no âmbito do Ceará. Uma forma de otimizar a identificação preliminar do comportamento do material seria muito positiva para área rodoviária. Assim, o objetivo deste trabalho é desenvolver um modelo de previsão da classificação da AASHTO de solos, por meio de Redes Neurais Artificiais (RNA) do tipo Perceptron de Múltiplas Camadas (MLP). Para tanto, utilizou-se como variáveis explicativas os dados da classificação tátil-visual de solos, a qual possibilita verificar de forma expedita a granulometria e a cor do material. Assim, elaborou-se um banco de dados geotécnico com 1790 amostras extraídas de projetos rodoviários já executados no estado do Ceará. O modelo proposto apresentou uma taxa de acerto de 94,5%, na média das estimativas para a classificação da AASHTO e um erro da ordem de 0,04, considerando o quadrado médio dos erros (MSE).

Keywords

• Classificação da AASHTO
• Rodovias de Baixo Volume de Tráfego
• Perceptron
• Prospecção de Solos.