Aplicação de técnicas de computação suave para a confiabilidade de fundações rasas em engenharia geotécnica

Esta pesquisa se concentra na aplicação de três técnicas de computação suave, incluindo Minimax Probability Machine Regression (MPMR), Rede Neural Artificial baseada em Otimização por Enxame de Partículas (ANN-PSO) e Sistema de Inferência Fuzzy Adaptativo baseado em Otimização por Enxame de Partículas (ANFIS-PSO) para estudar a confiabilidade de fundações rasas com base em critérios de assentamento. O solo é um meio heterogêneo e o envolvimento de suas características para o comportamento geotécnico no sistema solo-fundação torna a previsão de assentamento de fundações rasas um problema de engenharia complexo. Este estudo explora a viabilidade das técnicas de computação suave em comparação com a abordagem determinística. O assentamento da fundação rasa depende dos parâmetros γ (peso unitário), e0 (razão de vazios) e CC (índice de compressão). Esses parâmetros do solo são considerados como variáveis de entrada, enquanto o assentamento da fundação rasa é considerado como saída. Para avaliar o desempenho dos modelos, diferentes índices de desempenho, ou seja, RMSE, VAF, R2, Fator de Bias, MAPE, LMI, U95, RSR, NS, RPD, etc., foram utilizados. A partir da análise dos resultados, constatou-se que o modelo MPMR superou o PSO-ANFIS e o PSO-ANN. Portanto, o MPMR pode ser utilizado como uma técnica confiável de computação suave para problemas não lineares de assentamento de fundações rasas em solos.