Publicação: Desenvolvimento de um modelo constitutivo para solos arenosos reforçados com fibras utilizando redes neurais artificiais
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::GEOTECNICA
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
O reforço de solos arenosos com fibras distribuídas aleatoriamente melhora significativamente
suas propriedades mecânicas, impondo desafios à modelagem constitutiva devido
às complexas interações não-lineares entre a matriz e o reforço. Este trabalho desenvolve
um modelo constitutivo baseado em Redes Neurais Artificiais (RNA) para prever o comportamento
tensão-deformação de uma areia uniforme reforçada com fibras poliméricas.
A metodologia emprega uma abordagem híbrida em duas fases, combinando dados experimentais
de ensaios triaxiais com dados sintéticos gerados por meio de uma adaptação do
modelo Cam-Clay modificado. A base experimental, obtida na Universidade Federal da
Bahia, abrange teores de fibra de 0%, 0,5% e 1,0%, comprimentos de fibra de 12,5 mm, 25
mm e 51 mm, e tensões de confinamento de 50, 100, 200 e 300 kPa, e dela se utilizaram
os 24 ensaios de compressão triaxial drenada convencional, totalizando 1.207 pontos. A
geração de dados sintéticos produziu cerca de 19,5 mil pontos, distribuídos em 42 cenários,
expandindo o domínio experimental para incluir níveis intermediários de confinamento.
A arquitetura adotada é uma rede neural do tipo perceptron multicamadas (Multilayer
Perceptron, MLP) que mapeia diretamente as condições de ensaio e o nível de deformação
axial nas variáveis de estado de interesse, a saber, a tensão desviadora, a tensão média efetiva
e a deformação volumétrica. O treinamento combina pré-treinamento com os dados
sintéticos fisicamente consistentes e ajuste fino, por aprendizado por transferência, com
os dados experimentais. A validação, conduzida por validação cruzada exaustiva do tipo
leave-one-out, resultou em coeficiente de determinação agregado de 0,977 para a tensão
desviadora, 0,991 para a tensão média efetiva e 0,914 para a deformação volumétrica.
O modelo reproduz a mobilização progressiva das fibras, o pico de resistência e a transição
para o comportamento dilatante, oferecendo uma alternativa computacionalmente
eficiente aos modelos analíticos tradicionais de difícil calibração.
Abstract
The reinforcement of sandy soils with randomly distributed fibers significantly improves
their mechanical properties, posing challenges to constitutive modeling due to complex
nonlinear interactions between the matrix and the reinforcement. This work develops a
constitutive model based on Artificial Neural Networks (ANN) to predict the stress-strain
behavior of a uniform sand reinforced with polymeric fibers. The methodology employs a
two-phase hybrid approach, combining experimental triaxial test data with synthetic data
generated through an adapted Modified Cam-Clay model. The experimental database,
obtained at the Federal University of Bahia, encompasses fiber contents of 0%, 0.5%, and
1.0%, fiber lengths of 12.5, 25, and 51 mm, and confining stresses of 50, 100, 200, and 300
kPa; from it, the 24 conventional drained triaxial compression tests were used, totaling
1,207 points. The synthetic data generation produced about 19.5 thousand points across
42 scenarios, expanding the experimental domain to include intermediate confinement
levels. The adopted architecture is a multilayer perceptron (MLP) neural network that
directly maps the test conditions and the axial strain level onto the state variables of
interest, namely the deviatoric stress, the mean effective stress, and the volumetric strain.
Training combines pre-training with the physically consistent synthetic data and finetuning,
through transfer learning, with the experimental data. Validation, carried out by
exhaustive leave-one-out cross-validation, yielded an aggregate coefficient of determination
of 0.977 for the deviatoric stress, 0.991 for the mean effective stress, and 0.914 for the
volumetric strain. The model reproduces the progressive mobilization of the fibers, the
peak strength, and the transition to dilatant behavior, offering a computationally efficient
alternative to traditional analytical models that are difficult to calibrate.
Palavras-chave
Solo reforçado com fibras, Redes neurais artificiais, Modelo constitutivo, Ensaio Triaxial, Cam-clay modificado, Aprendizado por Transferência, Fiber-reinforced soil, Artificial Neural Networks, Constitutive model, Triaxial Test, Modified cam-clay, Transfer Learning
Citação
RODRIGUES, João Paulo de Araújo. Desenvolvimento de um modelo constitutivo para solos arenosos reforçados com fibras utilizando redes neurais artificiais. 2026. 89 f. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal de Uberlândia, Uberlândia, 2026. DOI http://doi.org/10.14393/ufu.di.2026.592.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto