Modelos de aprendizado de máquina para previsão da resistência à punção de lajes lisas de concreto armado

resumo:

A ruptura por punção é causada pela concentração de tensões de cisalhamento na ligação laje-pilar de lajes lisas de concreto armado. Por se tratar de uma ruptura frágil, é fundamental entender como esse mecanismo funciona e prever corretamente a resistência das lajes submetidas a ele. Neste artigo, modelos baseados em aprendizado de máquina foram desenvolvidos e comparados para prever a resistência à punção de lajes internas de concreto armado sem armadura de cisalhamento. Os modelos foram baseados em 373 resultados experimentais de lajes apoiadas sobre pilar intermediário. Os algoritmos de rede neural artificial, árvore de decisão, floresta aleatória e extreme gradient boosting foram empregados. As variáveis de entrada aqui consideradas foram a altura útil das lajes, taxa de armadura de flexão, largura efetiva dos pilares, resistência à compressão do concreto e tensão de escoamento do aço, e a variável alvo foi a resistência à punção. Os resultados das resistências ao cisalhamento obtidos pelos modelos desenvolvidos, bem como aqueles obtidos pelo emprego de modelos apresentados em cinco códigos de projeto de concreto armado, foram comparados com os dados experimentais. Todos os modelos de aprendizado de máquina apresentaram coeficiente de determinação acima de 0,95 para dados de teste. Quanto aos modelos de normas de projeto, foram observadas grandes discrepâncias entre eles, com a norma brasileira apresentando maior precisão que as demais na previsão da carga de ruptura das lajes.

Palavras-chave:
modelos preditivos; segurança estrutural; disposições de projeto; modelagem computacional; XGBoost