Previsão de assentamentos de fundações superficiais através de técnicas de Data Mining

Abstract

O objectivo do presente trabalho é a previsão dos assentamentos de fundações superficiais assentes em maciços granulares através de diferentes técnicas de Data Mining. Foi construída uma base de dados contendo como variáveis de entrada alguns parâmetros geométricos, a pressão líquida aplicada e o número de pancadas corrigido do ensaio SPT, sendo o parâmetro de saída o assentamento. Para avaliar o desempenho das várias técnicas são representadas as curvas REC e calculadas métricas baseadas no erro. Conclui-se que a técnica de Máquinas de Vectores de Suporte é aquela que apresenta melhor desempenho. Numa análise de sensibilidade realizada o parâmetro que denota maior impacto nos valores dos assentamentos é a pressão líquida aplicada. Para comparação, são também usados alguns métodos tradicionais sendo o método de Meyerhof aquele que, em geral, fornece melhores previsões dos assentamentos.

The objective of this work is to predict the settlements of shallow foundations in granular soils. using data mining techniques. It was built a database containing as input variables some geometric parameters, the applied net pressure and the corrected blow count from standard penetration test, being the settlement the output parameter. The Regression Error Characteristic curves (REC) and some metrics based on errors are used to evaluate the performance of the different techniques. It is concluded that the Support Vector Machines technique reveals the best performance amongst the tested techniques. It is also performed a sensibility analysis to find the importance of the input parameters in the settlement prediction. The parameter with higher importance is the applied net pressure. Some traditional methods are also used as referential. Among these methods, the Meyerhof method usually provides better predictions.