DESENVOLVIMENTO DE MODELOS NEURAIS PARA AUXILIAR PROJETOS DE PAVIMENTOS NO ESTADO DO CEARÁ

O conhecimento geológico desempenha um papel essencial no planejamento e na execução de obras de pavimentação. Através do avanço com uso das redes neurais artificiais foi possível obter resultados significativos nos estudos de caracterização geológica-geotécnica de pavimentos, oferecendo uma abordagem inovadora para compreender as propriedades geotécnicas do solo subjacente às estradas e vias. A modelagem neural, quando há disponibilidade de dados em quantidade e qualidade adequados possibilita a previsão de uma variedade de características geotécnicas dos solos, podendo ser uma opção de estimativa mais econômica e complementar em relação à obtenção tradicional de dados por meio apenas de ensaios de laboratório de Módulo de Resiliência necessários para projeto de pavimentos. O objetivo principal deste trabalho é desenvolver modelos neurais, por meio do uso de inteligência artificial para serem aplicados em projetos de pavimentação no Estado do Ceará. Para isso, foram levantados bancos de dados contendo informações geotécnicas de pavimentos do Estado do Ceará. Ao total os bancos de dados contém mais de um mil dados abrangendo informações de propriedades físicas do solo, Califórnia Bearing Ratio e classificação AASHTO. Todos estes dados são oriundos do projeto da Universidade Federal em parceria com o Departamento Nacional de Infraestrutura de Transportes. Através da utilização de Redes Neurais Artificiais foi possível desenvolver modelos neurais para previsão de valores de Módulo de Resiliência, a maior parte desses modelos atingiu valores de correlação acima de 0,7, sugerindo uma relação significativa entre as variáveis utilizadas para estimar valores de Módulo de Resiliência. O modelo mais representativo teve um valor de 0,86. Isso destaca a promissora facilidade e aplicabilidade dos modelos neurais na previsão do Módulo de Resiliência para o dimensionamento empírico e empírico-mecanístico de pavimentos. Palavras-chave: Redes Neurais Artificiais. Módulo de resiliência.