Misturas solo-cimento reforçadas com fibras: previsão do Módulo de elasticidade usando redes neuronais artificiais

Abstract

Misturas solo-cimento reforçadas com fibras são um método de estabilização química de solos onde a reduzida ou ausência de resistência à tração e/ou flexão inerente às misturas solo-cimento é superada pela incorporação de fibras. A caracterização laboratorial completa destas misturas é uma tarefa que consome tempo e muitos recursos, pois estão envolvidos muitos parâmetros no seu dimensionamento. Por conseguinte, a aplicação de uma abordagem baseada em algoritmos de inteligência artificial oferece outra forma alternativa de prever as propriedades mecânicas destas misturas de uma forma rápida e menos dispendiosa. Neste estudo, redes neurais artificiais (ANNs) foram treinadas para prever o módulo de elasticidade de misturas solocimento reforçadas com fibras. Foi utilizado um conjunto de 121 registos com 16 propriedades do material composto (solo, ligante e fibras) para treinar o algoritmo. O algoritmo ANN demonstrou um coeficiente de determinação promissor (R2 = 0.95) para a previsão do módulo de elasticidade. Além disso, os resultados do modelo proposto são consistentes com o conhecimento empírico, onde o conteúdo de fibras e ligante têm uma influência significativa no módulo de elasticidade.

Fibre-reinforced soil-cement mixtures are a method of chemical soil stabilisation with an inherent drawback where the low or no tensile or flexural strength is overcome by embedding fibres. These mixtures are time and resource-consuming for full laboratory characterization as many parameters are involved. Therefore, the application of an Artificial Intelligence approach offers another way of predicting the mechanical properties of such mixtures. In this study, Artificial Neural Networks (ANNs) were trained to predict the elasticity modulus of soil-cement mixtures reinforced with fibres. A dataset of 121 records with 16 properties of the composite material (soil, binder and fibres) was used to train the algorithm. The algorithm ANN demonstrated a promising coefficient of determination (R2 = 0.95) for predicting the elasticity modulus. Furthermore, the results of the proposed model are consistent with the empirical knowledge, where the fibres and binder content have a significant role on the modulus of elasticity.