Escolar Documentos
Profissional Documentos
Cultura Documentos
DEPARTAMENTO DE TECNOLOGIA
COLEGIADO DE ENGENHARIA CIVIL
FEIRA DE SANTANA-BA
2010
Monografia
apresentada
ao
Colegiado do Curso de Engenharia
Civil da Universidade Estadual de
Feira de Santana como parte dos
requisitos para a obteno do ttulo
de Bacharel em Engenharia Civil.
Orientador:
Prof. Koji de Jesus Nagahama,
D.Sc.
Orientadora:
Profa. Maria do Socorro Costa So
Mateus, D.Sc.
FEIRA DE SANTANA-BA
2010
____________________________________________________________________
Koji de Jesus Nagahama, D.Sc.
Universidade Estadual de Feira de Santana UEFS
(ORIENTADOR)
____________________________________________________________________
Maria do Socorro Costa So Mateus, D.Sc.
Universidade Estadual de Feira de Santana UEFS
(ORIENTADORA)
____________________________________________________________________
Anderson de Souza Matos Gada, D.Sc.
Universidade Estadual de Feira de Santana UEFS
(EXAMINADOR)
_____________________________________________________________________
Juraci das Mercs Ramos
Apoio Engenharia, Fundaes e Geotecnia Ltda
(EXAMINADOR)
AGRADECIMENTOS
A Deus, por permitir que eu cumprisse essa etapa to importante de minha vida com Sade,
paz e acima de tudo com alegria.
A toda minha famlia pelo apoio, pacincia, carinho e amor incondicional, em especial
minha irm, Patricia.
Ao professor orientador Dsc. Koji Nagahama pela proposta de trabalho, orientao, apoio,
tranquilidade e amizade.
Ao professor Dsc. Anderson Gdea pela sua preciosa ajuda com a parte computacional,
principalmente nesses ltimos meses.
A professora Dsc. Maria do Socorro pelas orientaes fornecidas mesmo estando de licena
da instituio e por idealizar esse trabalho em conjunto com o professor Koji.
A Tayn Freitas, pelo incentivo e ajuda durante todo o tempo em que estive desenvolvendo
essa pesquisa.
Aos meus colegas da UEFS, pelo auxilio e companheirismo ao longo de todo o curso.
Aos amigos Nilda e Juracy da apoio Engenharia e Fundaes pela disponibilizao dos dados
de ensaio de prova de carga realizados na cidade de Feira de Santana.
Ao amigo Luis Carlos Fernandes, in memoriam.
RESUMO
Considerando a contribuio das redes neurais artificiais (RNA) nas diversas reas da
engenharia civil, na determinao do comportamento de vrios fenmenos fsicos, o presente
trabalho objetiva verificar a viabilidade do uso das RNA na predio de capacidade de carga
de dois tipos distintos de estacas: pr-moldada de concreto do tipo cravadas e hlice contnua
escavada. As RNA iro relacionar s propriedades geomtricas das estacas (comprimento e
seo transversal) e os valores do SPT standard penetration test da ponta e do fuste da
estaca, com a capacidade de carga lateral, de ponta e total desse tipo de fundao. Com essas
informaes e com os resultados obtidos em provas de carga estticas e dinmicas executadas
em todo o territrio nacional, disponveis em publicaes, artigos do meio acadmico e
disponibilizado por empresas especializadas, organizou-se um banco de dados de ensaios de
prova de carga para as estacas escavadas do tipo hlice contnua e para a pr-moldada de
concreto. Com esses dados organizados, as RNA foram treinadas e atravs dessas, foram
obtidas equaes de predio, capazes de inferir a capacidade de carga lateral, de ponta e
total. Os valores de capacidade de carga obtidos atravs da tcnica das RNA possuem maior
preciso que os mtodos tradicionais de Aoki & Veloso e Dcourt e Quaresma, o que indica a
viabilidade do uso das RNA como instrumento de previso da capacidade de carga de
fundaes profundas.
PALAVRAS CHAVE: Redes Neurais Provas de Carga Fundaes Profundas
ABSTRACT
Lista de Figuras
Figura 2. 1 - Amostrador padro para o ensaio de SPT (NBR 6484/2001) _____________________ 18
Figura 2. 2 - Conjunto para execuo da sondagem a Percusso (SCHNAID, 2000) ______________ 18
Figura 2.3 Soluo de Terzaghi (BARATA,1984).________________________________________ 19
Figura 2. 4 - Sistema de Reao com Tirantes (HACHICH et al.,1998; apud SOARES, 2002) _______ 25
Figura 2. 5 - Sistema de Reao com Cargueiras (HACHICH et al.,1998; apud SOARES, 2002) ______ 25
Figura 2. 6 - Sistema de Reao com Estacas de Apoio (REESE O NEILL, 1988; apud SOARES, 2002) 26
Figura 2. 7 Critrio de Ruptura pelo mtodo de Van der Veen (1953) - (CAVASSANI, 2005) ______ 28
Figura 2.8 - Curva Carga x Recalque de Van Der Veen (1953) _______________________________ 29
Figura 2.9 - Carga de Ruptura Convencional NBR 6122 (ABNT, 1996) ________________________ 30
Figura 2.10 - Curva RMX x DMX (GEOMEC, 2010) ________________________________________ 31
Figura 2.11 Reflexes das ondas elsticas na ponta da estaca para: a) estacas flutuantes. b) estacas
de ponta (DYMINSKI, 2000) _________________________________________________________ 32
Figura 2.12 - A esquerda um transdutor de acelerao e direita o de deformao (FO,2001). __ 33
Figura 2.13 Equipamento PDA (DYMINSKI, 2000). ______________________________________ 34
Figura 2.14- Perfurao do terreno pela hlice espiral (ANDRADE,2009) ______________________ 36
Figura 2.15- Clula neural biolgica com seqncia de propagao do sinal (CASTRO 1998) ______ 37
Figura 2.16 - Modelo no-linear de um neurnio (HAYKIN, 2001). ___________________________ 39
Figura 2.17- Representao das principais funes de transferncia usadas atualmente (SANTOS JR,
2006). __________________________________________________________________________ 40
Figura 2.18 Exemplos de arquiteturas de Redes Neurais Artificiais (BRAGA et al 2000). _________ 42
Figura 2.19 - Processo de treinamento atravs do algoritmo back-propagation (SOUSA, 2008). ___ 46
Figura 3.1 Processo de extrapolao da curva carga Recalque (modificado Lobo (2005))53
Figura 4. 1- Redes Neurais utilizadas na previso da capacidade de carga das estacas hlice
contnua. _________________________________________________________________ 60
Figura 4. 2 Redes Neurais utilizadas na previso da capacidade de carga das estacas Prmoldadas de concreto. ______________________________________________________ 65
Lista de Tabelas
Lista de Variveis
Coeficiente angular definido por regresso linear - Van der Veen (1953)
ABNT
As
Coeficiente tabelado que varia com o tipo de solo- mtodo de Dcourt &
Quaresma (1978).
CAPWAP
CASE
CLT
CPT
CRP
Dimetro da estaca
DMX
EMX
F1 e F2
FMX
Hq
Hq
IA
Inteligncia Artificial
ke
Comprimento
MLP
Resistncia a penetrao
PDA
Pr
QAL
QML
QP
RMX
RNA
RU
SCT
SML
SPT
SPTF
SPTp
SPT-T
Permetro da estaca
WS
Velocidade de onda
Recalque
Sumrio
1 INTRODUO __________________________________________________________________ 12
1.2 OBJETIVOS ___________________________________________________________________ 13
1.2.1 OBJETIVO GERAL _______________________________________________________________ 13
1.2.2 OBJETIVOS ESPECFICOS __________________________________________________________ 14
1.3 ESTRTEGIA METODOLGICA ____________________________________________________ 14
1.4 ESTRUTURA DA MONOGRAFIA ___________________________________________________ 15
2 REVISO BIBLIOGRFICA _________________________________________________________ 16
2.1 GEOTECNIA ___________________________________________________________________ 16
2.1.1 INVESTIGAO GEOTCNICA _______________________________________________________ 16
2.1.2 SONDAGEM DE SIMPLES RECONHECIMENTO A PERCUSSO (SPT) _______________________________ 17
2.1.4.1 Aoki-Veloso (1975) __________________________________________________________ 20
2.1.4.2 Dcourt & Quaresma (1978) __________________________________________________ 22
2.1.4.3 Mtodo UFRS (2005) ________________________________________________________ 23
2.1.5 ENSAIOS DE PROVA DE CARGA ______________________________________________________ 24
2.1.5.1 Ensaio de Prova de Carga Esttica ______________________________________________ 24
2.1.5.2 Ensaio de prova de carga dinmica _____________________________________________ 30
2.1.6 FUNDAES PROFUNDAS EM ESTACAS PR-MOLDADAS E HLICE CONTNUA _______________________ 35
2.2 REDES NEURAIS _______________________________________________________________ 37
2.2.1 CONCEITO DE REDES NEURAIS ______________________________________________________ 37
2.2.2 O NEURNIO ARTIFICIAL __________________________________________________________ 38
2.2.3 FUNES DE ATIVAO ___________________________________________________________ 39
2.2.5 REDE NEURAL E SUA ARQUITETURA___________________________________________________ 41
2.2.6 TREINAMENTO_________________________________________________________________ 43
2.2.6.1 BACK-PROPAGATION ___________________________________________________________ 44
2.1.7 RNA NA ENGENHARIA GEOTCNICA __________________________________________________ 48
3. METODOLOGIA ________________________________________________________________ 50
3.1 LEVANTAMENTO DOS DADOS ____________________________________________________ 50
3.2 TRATAMENTO DOS DADOS_______________________________________________________ 50
3.3 REDES NEURAIS UTILIZADAS ______________________________________________________ 54
4. RESULTADOS E DISCUSSES ______________________________________________________ 59
4.1 ESTACAS HLICE CONTNUA ______________________________________________________ 59
4.2 ESTACAS PR-MOLDADAS DE CONCRETO ___________________________________________ 63
5. CONCLUSES __________________________________________________________________ 69
REFERNCIAS ____________________________________________________________________ 70
ANEXO A BANCOS DE DADOS DE PROVA DE CARGA ESTTICA UTILIZADOS NO TREINAMENTO
DAS RNA ________________________________________________________________________ 77
A.1- BANCO1: PROVA DE CARGA ESTTICA DE COMPRESSO ESTACAS HLICE CONTINUA
(MODIFICADO LOBO, 2005). _______________________________________________________ 77
A.2- BANCO2: PROVA DE CARGA ESTTICA DE COMPRESSO ESTACAS PR-MOLDADAS DE CONCRETO
(MODIFICADO LOBO, 2005) ________________________________________________________ 79
1 INTRODUO
De acordo com a NBR 6122 (ABNT, 1996), fundao profunda o elemento de
fundao que transmite a carga ao terreno pela base (resistncia de ponta), por sua lateral
(resistncia de fuste) ou por uma combinao das duas, e que est assente em profundidade
superior ao dobro de sua menor dimenso, e no mnimo 3 m, salvo algumas excees. Neste
tipo de fundao incluem-se as estacas, os tubules e os caixes. O dimensionamento desse
tipo de fundao baseado na carga admissvel de ruptura do solo que determinada aps
clculo ou por meio de verificao experimental atravs dos mtodos de prova de carga
esttica ou dinmica.
Segundo Dyminski (2000) o clculo da capacidade de carga de fundaes profundas
feita atravs de equaes matemticas que levam em conta as propriedades geomtricas das
estacas e as caractersticas geotcnicas do solo. O grande problema que tais formulaes tm
apresentado resultados extremamente dispersos se comparados com os valores dos ensaios de
prova de carga. Nesse contexto, a utilizao de ferramentas de inteligncia artificial (IA) tem
viabilizado solues para problemas semelhantes aos descritos acima, nas mais diversas reas
do conhecimento inclusive na engenharia geotcnica. Entre essas ferramentas destacam-se as
redes neurais artificiais RNA.
A tcnica das RNA permite que generalizaes sejam feitas a partir de um conjunto
de dados que so devidamente treinados de acordo com o problema a ser estudado, essa
capacidade de generalizao e treinamento possibilita a aplicao das RNA na anlise de
problemas geotcnicos como a previso da capacidade de carga de fundaes profundas. Essa
anlise realizada a partir de um conjunto de dados de entrada semelhantes a dos mtodos
tradicionais.
Alguns estudos, como o de Teh et al. (1997) comprovaram a viabilidade de se
utilizar RNA como instrumento de predio da capacidade de carga de estacas. Pde se
observar no trabalho desse autor, que o erro mximo de previso obtido atravs das RNA,
para a carga total , pode ser inferior a 10%, apesar das dificuldades de se definir os parmetros
geotcnicos provenientes da heterogeneidade natural da massa de solo e das imperfeies na
execuo de ensaios (PACHECO & LIMA, 1996). Com base em estudos como o de Teh et al.
(1997), foram obtidas nesse trabalho equaes que fazem a previso da capacidade de carga
das estacas hlice contnua e pr-moldadas de concreto, com excelente grau de preciso.
12
1.1 JUSTIFICATIVA
1.2 OBJETIVOS
Baseado na reviso bibliogrfica e na modelagem computacional feita com Redes
Neurais Artificiais pretende-se atingir os seguintes objetivos:
1.2.1 Objetivo Geral
Obter equaes atravs da tcnica das redes neurais artificiais que faam a previso
da capacidade de carga lateral, ponta e total das estacas hlice contnua e pr-moldadas de
concreto.
13
14
15
2 REVISO BIBLIOGRFICA
2.1 GEOTECNIA
2.1.1 Investigao Geotcnica
A investigao geotcnica consiste na pesquisa que o engenheiro deve realizar para
conhecer as caractersticas do solo. De acordo com Lima (1980) as caractersticas e
informaes solicitadas a um programa de investigao do subsolo so geralmente as
seguintes:
Determinao da extenso, profundidade e espessura de cada horizonte de solo
dentro de uma determinada profundidade que vai depender da dimenso e natureza da
estrutura, alm de uma descrio do solo quanto a sua compacidade.
Profundidade da superfcie da rocha e sua classificao.
Informaes sobre a ocorrncia de gua no subsolo.
Propriedades dos solos e rochas in situ, tais como, compressibilidade,
resistncia ao cisalhamento e permeabilidade.
Esse reconhecimento do solo pode ser feito por meio de ensaios de campo e/ou de
laboratrio que permitem a identificao e classificao da estratigrafia do solo, assim como
avaliao dos seus materiais constituintes, permitindo a elaborao de projetos geotcnicos e
de fundaes.
A NBR 6122 (1996) em seu item 4 descreve as investigaes geotcnicas, geolgicas
e observaes locais, nesse item alguns ensaios destacam- se e esto abaixo relacionados:
O ensaio de penetrao de cone CPT.
O ensaio de palheta Vane Test.
Os pressimetros (Mnard e auto-perfurantes).
O dilatmetro de Marchetti.
Os ensaios de prova de carga no terreno ou nos elementos de fundao.
Os
ensaios
de
laboratrio
(caracterizao,
resistncia,
deformabilidade,
Esta pesquisa descreve o ensaio de SPT que a investigao que dispe de maior
utilizao e tradio no Brasil. Alm disso, as informaes obtidas nesse ensaio sero
utilizadas largamente na metodologia desse trabalho e nos clculos de capacidade de carga
por mtodos semi-empricos como os de Aoki e Velloso (1975) e Dcourt e Quaresma (1978).
2.1.2 Sondagem de Simples reconhecimento a percusso (SPT)
O ensaio de Resistncia a Penetrao do Solo, mais conhecido no Brasil como ensaio
de SPT, devido as iniciais em ingls Standard Penetration Test um procedimento
geotcnico capaz de medir a resistncia e coletar amostras deformadas do solo ao longo da
profundidade perfurada. O ensaio de SPT normalizado no Brasil pela Associao Brasileira
de Normas Tcnicas atravs da norma brasileira NBR 6484 (2001).
De acordo com Hachich et al. (1998), com a sondagem a percusso pretende-se
conhecer:
O tipo de solo e a espessura da camada atravessada, obtidos atravs de uma amostra
deformada, a cada metro perfurado.
A resistncia a penetrao (N) oferecida cravao do amostrador padro, a cada
metro perfurado.
A posio do nvel ou dos nveis dagua, quando encontrados durante a perfurao.
O processo de perfurao iniciado com o trado concha, passando a ser utilizado o
trado helicoidal at o nvel fretico ou at atingido o impenetrvel ao trado. Nesses dois
ltimo casos, a NBR 6484 permite que o avano seja realizado com o auxilio do trpano de
lavagem com circulao de gua. Quando essa ferramenta utilizada torna-se obrigatrio o
uso de tubos de revestimento e em algumas situaes particulares de instabilidade das paredes
do furo, o emprego de lamas de estabilizao.
A sondagem a percusso consiste na penetrao de um amostrador padro (Figura
2.1) no solo devido ao impacto da queda de um peso de 65 kg (martelo) caindo de uma altura
determinada de 75 cm (HACHICH, 1998, p.120).
O processo de penetrao do amostrador descrito anteriormente repetido
sucessivamente a cada metro, anotando-se os nmeros de golpes necessrios para a cravao
do amostrador no solo para a penetrao dos 45cm. A anotao dos nmeros de golpes
realizada, separadamente, para cada segmento de 15cm cravado. O valor considerado como o
ndice de resistncia penetrao (N ou NSPT) representado pelo nmero de golpes
17
19
O mtodo de Aoki & Veloso (1975), permite obteno da capacidade de carga ltima
da estaca utilizando os dados obtidos no ensaio do cone de penetrao (CPT). Posteriormente
a frmula foi adaptada para utilizar os dados do ensaio de SPT. O clculo da carga ltima
feito considerando o tipo de solo e estaca, como mostra a equao a seguir:
20
Onde:
As= rea de seo transversal da estaca;
F1 e F2= Coeficientes de Transformao que variam com o tipo de estaca (Tabela 2.1);
k e = Coeficientes tabelados que variam com o tipo de solo (Tabela 2.2);
SPTP= Nmero de golpes na ponta da estaca (SPT);
SPTF= Nmero de golpes na lateral da estaca (SPT) nas camadas atravessadas pela estaca;
D= Dimetro da estaca;
l= Comprimento de cada uma das camadas atravessadas pelo fuste da estaca.
Foram considerados pelos autores os coeficientes F1 e F2, sendo estes definidos para se
ponderar as diferenas de comportamento entre a estaca (prottipo) e o cone (modelo)
(MAGALHES, 2005).
21
Onde:
22
Valores de C (KPa)
120
200
250
400
Presa (2001), salienta que na determinao do SPTp e do SPTF, os valores menores que 3
devem ser considerados igual 3 e os maiores que 50 devem ser considerados igual 50.
2.1.4.3 Mtodo UFRS (2005)
O mtodo UFRS desenvolvido por Lobo (2005) procura relacionar os resultados do
ensaio de SPT com os valores obtidos no ensaio de prova de prova de carga esttica. A
metodologia proposta busca estimar a capacidade de carga da fundao profunda comparando
a reao do solo, de cravao ao amostrador padro com o da estaca.
Para validao do estudo Lobo (2005), organizou um banco de dados com 325 provas
de carga compresso e 43 a trao, executadas em todo o pas. Das provas de carga
compresso, 132 casos so de estacas cravadas pr-moldadas de concreto, 28 de estacas
metlicas, 95 de estacas hlice-contnua e 70 casos de estacas escavadas. J nas provas de
carga trao, 3 casos so de estacas cravadas pr-moldadas, 31 de estacas hlice contnua e
9 casos de estacas escavadas (LOBO, 2005).
Lobo (2005) disponibilizou informaes sobre caractersticas das estacas como seo
transversal e comprimento, valores mximos de carga e recalque atingidos pela prova de
carga, carga de ruptura total, lateral e de ponta extrapoladas atravs dos mtodos de Van der
Veen (1975) e da NBR 6122/1996. Alm disso, apresentada a referncia bibliogrfica de
cada elemento e a localizao da prova de carga.
23
24
25
Figura 2. 6 - Sistema de Reao com Estacas de Apoio (REESE O NEILL, 1988; apud SOARES,
2002)
Fo (2001) escreve sobre as diversas metodologias existentes de ensaio de
carregamento esttico e salienta que essa diversificao conduz a diferentes resultados de
capacidade de carga esttica.
De acordo Soares (2002) os mtodos de ensaio existentes e suas interpretaes
dividem-se nas seguintes modalidades:
Carregamento lento com carga mantida ou SML (slow maintained load test). Esse
ensaio efetuado em estgios de cargas crescentes de incrementos iguais, mantendo-se, em
cada estgio, a carga constante at o recalque se estabilizar;
Carregamento rpido com carga mantida ou QML (quick maintaned load test).
Efetuado em 30 a 40 estgios de carga crescentes, de incrementos iguais, mantidos por 5 a 15
minutos por estgio de carregamento;
Carregamento cclico sob velocidade constante de penetrao ou CRP (constant
rate of penetration). Nesse ensaio a estaca forada a se deslocar, penetrando no solo com
uma velocidade constante de 0,5 mm/min;
Carregamento cclico CLT ou SCT (cyclic load test ou swedish cyclic test). O
carregamento ciclico crescente podendo-se ou no aguardar que o recalque se estabilize,
antes de proceder a descarga de cada ciclo.
Apesar de existirem quatro formas diferentes de ensaios de prova de carga, a NBR
12131 (ABNT, 2006) permite a utilizao apenas das tcnicas de carregamento rpido (QML)
e de carregamento lento (SML) na determinao da capacidade de carga e, alm disso, obriga
a existncia de estabilizao dos deslocamentos para cada estgio de carga.
26
De acordo com Velloso & Lopes (2002) o mtodo de Van Der Veen (1953) o mais
utilizado no Brasil. Este mtodo prope que a carga ltima Pr seja definida por tentativas
atravs da equao ln (1-P/Pr) plotada em um grfico em funo do recalque r. Vrios
grficos so obtidos para os diferentes valores de Pr arbitrados e atravs da anlise destes,
define-se o valor da carga de ruptura Pr, escolhida de acordo com a representao que mais
se aproximar de uma linha reta, como mostra a figura 2.7.
27
Figura 2. 7 Critrio de Ruptura pelo mtodo de Van der Veen (1953) - (CAVASSANI, 2005)
Van der Veen a partir de uma serie de provas de carga props uma relao emprica
para a curva carga x recalque, definida pela expresso matemtica abaixo:
P = Pr (1 e- )
(2.4)
Onde:
= Recalque.
P= Carga correspondente ao recalque .
Pr = carga de ruptura escolhida atravs de tentativas .
a = coeficiente angular definido por regresso linear escolhida a partir da representao que
mais se aproximar de uma reta.
Na aplicao do mtodo de Van der Veen, Aoki (1976) observou que a reta obtida
(correspondente carga de ruptura) no passava pela origem, mas apresentava um intercepto.
Deste modo, Aoki props a incluso de um intercepto b, dando origem ao mtodo de Van
der Veen generalizado. Com base na expresso generalizada obtm-se a curva ajustada,
arbitrando-se valores para e calculando os valores correspondentes para P (LOBO, 2005,
p.45).
28
Pi = Pr (1 e-(b-))
(2.5)
Onde: b = ponto de interseo da reta procurada no mtodo, com o eixo das abscissas.
A equao (2.5) define uma curva assinttica em relao ao eixo vertical, esta
estabelece o valor da carga de Ruptura Pr, como mostra figura 2.8.
sempre a mesma. Existe tambm a metodologia da energia crescente desenvolvida por Aoki,
em que a altura da queda do martelo crescente, com esse segundo mtodo pode-se obter os
parmetros de resistncia esttica mobilizada (RMX) e de deslocamento mximo descendente
que (DMX), que tem como objetivo simular a curva carga x recalque obtido na prova de carga
esttica atravs da curva RMX x DMX, como mostra a figura 2.10.
31
(2.7)
Figura 2.11 Reflexes das ondas elsticas na ponta da estaca para: a) estacas flutuantes. b)
estacas de ponta (DYMINSKI, 2000)
2.1.5.2.2 Aquisio de dados
O ensaio de carregamento dinmico baseado no registro e processamento dos sinais
de fora e velocidade que so captados por transdutores de acelerao e deformao
instalados no topo da estaca.
Os transdutores de deformao especfica so constitudos por quatro strain gages
(extensometros eltricos), que so fixados no elemento de fundao geralmente por
chumbadores. O fabricante recomenda que esses equipamentos sejam instalados em posies
32
33
Segundo NIYAMA et al (1996) a cravao de uma estaca pode ser analisada atravs
de dois modelos: O primeiro simplificado, do tipo representado pelo impacto de duas barras,
onde se enquadram, por exemplo o mtodo CASE e o Repique; e o segundo, mais elaborado e
base para o mtodo CAPWAP, proposto inicialmente por Smith (1960), onde a estaca
modelada atravs de elementos de massas e molas.
De acordo com a NBR 13208 (ABNT, 2007) a avaliao da capacidade de carga de
uma estaca pode ser feita de forma simplificada atravs do mtodo CASE ou de uma forma
mais completa atravs da anlise numrica do tipo CAPWAP.
Os mtodos de avaliao da capacidade de carga so utilizados para calcular vrios
parmetros de interesse. A tabela 2.4 mostra os principais parmetros obtidos no ensaio de
prova de carga dinmica analisado atravs mtodo CASE.
Tabela 2.4 - Parmetros obtidos no ensaio de carga dinmica atravs da anlise pelo mtodo
CASE.
RMX
DMX
EMX
FMX
Mxima Fora de Compresso originada quando do impacto do martelo, medido no nvel dos sensores;
J
Hq
A NBR 13208 (ABNT, 2007) prescreve que para que haja maior confiabilidade nos
resultados obtidos pelo mtodo simplificado, para cada lote de estacas de mesmas
34
caractersticas na obra, devem ser aferidos por pelo menos uma anlise do tipo CAPWAP ou
por uma nova carga esttica, conforme NBR 12131, alm disso, a avaliao por meio do
CAPWAP permite a obteno da capacidade de carga do fuste e da ponta separados, alm de
outros parmetros, como mostra a tabela 2.5.
Tabela 2.5 - Parmetros obtidos no ensaio de carga dinmica atravs da anlise pelo mtodo
CAPWAP.
J
RU
QAL
QP
Hq
WS
Velocidade de onda.
35
tubo central, com dimetro varivel entre 10 e 13 cm, dispondo em sua extremidade inferior
de uma tampa removvel, que permite sua recuperao no fim da execuo (PRESA, 2001).
Presa (2001) escreve ainda sobre a introduo da hlice no terreno que feita com
um torque apropriado para vencer a resistncia do solo atravessado at que se alcance a
profundidade requerida. Nessa profundidade inicia-se o bombeamento do concreto atravs do
tubo central, de modo que esse preencha a cavidade deixada pela hlice medida que ela vai
sendo retirada do solo. Aps a concretagem a armadura introduzida na estaca por gravidade
ou com o auxilio de um pilo. A figura mostra 2.14 mostra a perfurao do terreno pelo
sistema hlice contnua.
36
Figura 2.15- Clula neural biolgica com seqncia de propagao do sinal (CASTRO 1998)
De acordo com Braga et al (2000), RNA so sistemas paralelos distribudos
compostos por unidades de processamento simples (neurnios artificiais) que calculam
determinadas funes matemticas (normalmente no lineares). Tais unidades so dispostas
em uma ou mais camadas interligadas por um grande nmero de conexes, geralmente
37
unidirecionais. Na maioria dos modelos essas conexes esto associadas a pesos, os quais
armazenam o conhecimento adquirido pelo modelo e servem para ponderar a entrada recebida
por cada neurnio da rede.
2.2.2 O Neurnio Artificial
Para explicar os princpios bsicos de uma unidade de processamento Haykin (2001)
utilizou o modelo apresentando na Figura 2.16, que divide o neurnio artificial em trs partes:
Conjunto de Sinapses, somador e a funo de ativao. Esse mesmo modelo pode ser
utilizado para descrever a operao de sua unidade de processamento da seguinte forma:
Entrada: O estimulo representando por n terminais de entrada (dntritos) que
recebem os valores x1, x2,..., xn (essas informaes de entrada so aquelas que sero
apresentadas a rede);
Pesos: O comportamento das sinapses simbolizado pelos pesos wk,1, wk,2,...
wk,n, acoplados aos terminais de entrada, cujos valores podem ser positivos ou negativos,
dependendo de as sinapses serem inibitrias ou excitatrias;
Combinao Linear: Na seqncia os valores de entrada so multiplicados por seus
respectivos pesos caracterizando uma combinao linear, tambm chamada de sada linear uk;
Funes de Ativao: Essa sada linear uk deve ser submetida a uma funo de
ativao que serve para limitar os valores de entrada a um determinado intervalo.
Sada: A unidade ir processar o valor de entrada, produzindo uma determinada
sada que poder ser enviada para a camada seguinte ou ser o resultado na camada de sada da
rede.
38
39
2.2.4 Aprendizado
De acordo com Haykin (2001), aprendizagem um processo pelo qual os parmetros
livres de uma rede neural so adaptados (ajuste dos pesos) atravs de um processo de
estimulao pelo ambiente no qual a rede est inserida. O tipo de aprendizagem determinado
pela maneira pela qual a modificao dos parmetros ocorre. A forma como so ajustados os
pesos ir determinar os dois tipos de aprendizado: no-supervisionado e supervisionado.
No aprendizado no- supervisionado no so conhecidos os valores das sadas. O
processo de aprendizado s possvel quando existe regularidade e repetio nos dados de
entrada. Geralmente so utilizados em redes recorrentes e quando se quer descobrir
caractersticas estatsticas dos dados de entrada, como por exemplo, a descoberta de
agrupamento.
O aprendizado supervisionado utilizado quando so conhecidos os valores das
entradas e sadas por um supervisor externo. Os pesos devem ser ajustados para que as
correlaes entre os valores de entrada e sada sejam determinadas.
Braga et al (2000) afirmam que o aprendizado supervisionado pode ser
implementado de duas formas: off-line e on-line. Para o treinamento off-line, os dados do
conjunto de treinamento no mudam, e, uma vez obtida uma soluo para a rede, esta deve
permanecer fixa. Caso novos dados sejam adicionados, um novo treinamento, envolvendo
tambm os dados anteriores, deve ser realizado para se evitar interferncia no treinamento
anterior. Por sua vez, no aprendizado on-line o conjunto de dados muda continuamente, e a
rede deve estar em um continuo processo de adaptao.
40
41
42
43
2.2.6.1 Back-propagation
O algoritmo back-propagation um algoritmo supervisionado que utiliza pares
(entrada, sada desejada) para, por meio de um mecanismo de correo. O treinamento ocorre
em duas fases, em que cada fase percorre a rede em um sentido. Estas duas fases so
chamadas de fase forward e fase backward. A fase forward utilizada para definir a sada da
rede para um dado padro de entrada. A fase backward utiliza a sada desejada e a sada
fornecida pela rede para atualizar os pesos de suas conexes (BRAGA, 2000, p.59).
O funcionamento desse algoritmo se baseia no clculo dos erros encontrados nas
camadas de sada e intermedirias, possibilitando que os pesos sejam ajustados atravs do
mtodo do gradiente.
Se a camada for de sada, o erro
(2.8)
Onde y sada obtida pela rede e z a sada desejada.
(2.9)
Onde:
= peso
(2.10)
Onde:
=peso da conexo;
= taxa de aprendizagem;
= erro relativo calculado para determinado neurnio ;
= derivada da funo de transferncia.
44
45
46
derivada parcial do erro total referente a cada peso para ajustar cada um dos pesos. Esta
informao possibilita realizar um gradiente descendente no espao de pesos. A descida do
gradiente utilizando passos infinitesimais garante a chegada a um mnimo local que, para
vrios problemas, pode ser um mnimo global ou uma soluo aceitvel. O problema o
tempo que o treinamento pode levar para convergir, por isso foram criadas vrias alteraes
no algoritmo de retro-propagao que diminuem o tempo de treinamento e melhora seu
desempenho na classificao de padres. Dessas variaes as mais utilizadas so: backpropagation com momentum de Rumelhart (1986), Quickprop de Fahlman (1988), Levenberg
Marquardt de Hagan (1994), momentum de segunda ordem de Pearlmutter (1992), Newton de
Battiti (1991) e o Rprop de Riedmiller (1994).
47
48
Tabela 2.6 - Tipologia e caractersticas das RNA utilizadas na previso de capacidade de carga de estacas.
REFERNCIA
Quantidade dados
Algoritmo
Treinamento Testes
Teh et al. (1997)
27
10
40
59
51
94
30
Dyminski (2000)
28
200
15
40
59
LevenbergMarquardt
4a7
1 a 15
Backpropagation
30 10
General
regression
neural networks
Abu-Kiefa (1998)
Nmero de neurnios
nas camadas
3. METODOLOGIA
Este trabalho utilizou dois bancos de dados de provas de carga esttica, com o
objetivo de verificar a viabilidade do uso das RNA na predio de capacidade de carga de
dois tipos distintos de estacas: as pr-moldadas de concreto do tipo cravadas e a hlice
contnua escavada.
O primeiro banco de dados, chamado de BANCO1, utilizado no treinamento e
teste das RNA das estacas hlice continua, foi elaborado a partir dos dados de Alonso (2000)
que organizou os resultados de 95 provas de carga esttica, realizadas em todo o territrio do
Brasil. Alm disso, o autor disponibilizou em seu trabalho informaes do ensaio de
sondagem a percusso, cargas e recalques do ensaio de prova de carga, rea de seo
transversal e comprimento, para cada uma das 95 estacas.
O segundo banco de dados, chamado de BANCO2, foi utilizado no treinamento e
teste das RNA das estacas pr-moldadas de concreto, foi elaborado a partir dos organizados
por Lobo (2005). Esta reuniu o resultado de 131 provas de carga esttica, realizadas ao longo
de todo o pas, alm disso, a pesquisadora disponibilizou informaes detalhadas do ensaio de
SPT e da geometria das estacas, assim como fez Alonso (2000) no BANCO1.
Os anexos A1 e A2 apresentam os dados do BANCO1 e 2, respectivamente,
utilizados no treinamento das RNA, alm disso, so apresentadas a referncia de onde foram
extrados os dados e as cidades onde as estacas foram ensaiadas. No foram feitas
modificaes considerveis, em relao aos bancos de dados originais, apenas foi
acrescentando a esses os valores do SPTP e SPTF.
Parmetro
As
LE
SPTP
SPTF
O clculo do SPT F foi obtido atravs da mdia aritmtica dos SPTs ao longo do
fuste da estaca, desconsiderando o primeiro metro de sondagem como recomenda a NBR 6484
(ABNT, 2001). Para o SPT P foi adotado o valor sob a cota de apoio da estaca.
Para que a capacidade de carga total QT da estaca seja realista e represente a
dificuldade da estaca de se transpor camadas muito resistentes, foram utilizados valores
limites para o SPTP e do SPTF sendo adotados para a ponta, o limite mximo de 40 em
qualquer tipo de estaca e para o fuste o limite de 22 se a estaca for cravada e de 30 se for do
tipo hlice contnua (LOBO, 2005).
Como j visto no Capitulo 2, a capacidade de carga de estaca ou tubulo de prova
deve ser considerada definida quando ocorrer ruptura ntida. A metodologia utilizada nesse
trabalho foi baseada em Lobo (2005) que utilizou o mtodo da NBR 6122/1996 para obter a
carga de ruptura das estacas. Porm, esse mtodo possui a limitao de no poder ser aplicado
em casos que a carga mxima aplicada na prova de carga se apresentar distante da carga de
ruptura, no gerando recalques considerveis na estaca. Nesses casos, a definio da carga de
ruptura obtida com o auxlio da extrapolao da curva carga recalque atravs do mtodo de
Van der Veen, adaptado por Aoki (1996), com a posterior aplicao do mtodo da NBR 6122.
A figura 3.1 mostra um caso em que reta do mtodo da NBR 6122/1996 no toca a
curva carga x recalque, pois a carga aplicada no ensaio de prova de carga distante do valor
carga de ruptura (figura 3.1 a), por isso torna-se necessrio a extrapolao da curva carga x
recalque para que o mtodo da NBR 6122 possa ser aplicado (figura 3.1 b). De acordo com
Lobo (2005), possvel definir o valor a parcela de capacidade de carga lateral da estaca
quando a curva carga x recalque apresentar pequenos acrscimos de recalque com o
incremento do carregamento. Nesses casos, considera-se que somente a carga lateral da estaca
mobilizada e assim, pode-se estimar o valor da parcela de carga lateral pelo trecho elstico
da curva carga recalque atravs de uma reta (figura 3.1 d). A capacidade de carga da ponta
51
definida pela subtrao da carga total pela carga lateral. A seguir a figura 3.1 ilustra o
processo de extrapolao da estaca 1 do BANCO1.
250
500
750
1000
1250
1500
1750
2000
Recalque (mm)
0
5
10
15
20
25
Ruptura (NBR 6122)
Prova de Carga
a)
250
500
750
1000
1250
1500
1750
2000
0
5
10
15
20
25
Van der Veen
14 54
600,00
16,46
1000,00
19,82
1700,00
Carga (kN)
Recalque (mm)
Carga x recalque
S (mm)
P (kN)
0,000
0,00
0,250
330,00
1,420
660,00
2,000
792,00
2,430
924,00
3,380
1056,00
4,090
1188,00
4,930
1320,00
Prova de Carga
Extrapolao
PR =
1710
a = 0,2781
b = 0,0728
S (mm)
P kN)
0,00
0,00
1,00
506,07
2,00
798, 6
3,00
1019,68
4 00
1187,28
5,00
1314,1
10,00
1611
15,00
685,47
25,00
1708,48
b)
52
PR = 1700 kN
Carga (kN)
0
250
500
750
1000
1250
1500
1750
2000
Recalque (mm)
0
5
10
15
20
25
Van der Veen
Prova de Carga
c)
Carga (kN)
0
250
500
750
1000
1250
1500
PR = 1700 KN
Ql = 750 KN
Recalque (mm)
1
2
3
4
5
d)
Figura 3.1 Processo de extrapolao da curva carga Recalque (modificado Lobo (2005))
53
Esse trabalho buscou, por meio do treinamento, obter RNA capazes de predizer a
capacidade suporte da ponta, lateral e total das estacas hlice contnua e pr-moldada de
concreto a partir dos dados de entrada apresentados na tabela 3.1.
Para isso, foram criadas cinco RNA para cada um dos dois bancos de dados
estudados, sendo a diferena entre essas redes a sada adotada no conjunto de treinamento. A
primeira rede denominada RNA1 foi treinada tomando como sada a capacidade de carga da
ponta, na segunda rede, RNA2, utilizou-se como sada a capacidade de carga lateral, a
terceira rede, RNA3, foi treinada com as duas sadas: capacidade de carga da ponta e
lateral. J a rede de nmero quatro, RNA4, teve como sada o somatrio das capacidades
de carga da ponta e lateral e na quinta rede neural, RNA5, as sadas adotadas foram a as
capacidades de carga lateral, de ponta e o somatrio da parcela da ponta e lateral. A tabela 3.2
apresenta as cinco redes utilizadas, bem como a sadas adotada no treinamento.
Sada Adotada
RNA1
QP
RNA2
QL
RNA3
QL
QP
RNA4
QT
QL
RNA5
QP
QT
O treinamento dessas redes com sadas diferentes permitiu que fossem obtidas:
algoritmo backpropagation programadas com o software MATLAB. A rede foi composta por
uma nica camada oculta que foi treinada e testada com 1, 2, 3, 5, 8, 10 e 15 neurnios, a fim
54
de se avaliar qual a topologia mais adequada. Ficou definida ainda para essa camada, como
funo de ativao, a tangente hiperblica. A camada de sada foi composta por um neurnio
nas redes RNA1, RNA2 e RNA4, dois neurnios na rede RNA3 e trs na RNA5,
sendo utilizada a funo de ativao linear em todos os casos. Essa arquitetura proposta
baseou-se no trabalho de Diminsky (2000).
Para cada banco de dados foram treinadas e testadas 35 RNA, e seus resultados
avaliados atravs do coeficiente de correlao r de Pearson. Esse parmetro permite que
seja analisada a correlao entre duas variveis, nesse caso o valor obtido pela rede neural e o
encontrado atravs do ensaio de prova de carga. Espera-se que o valor do coeficiente de
correlao seja prximo da unidade, entretanto valores acima de 0,7 indicam j uma forte
correlao estatstica entre duas variveis.
Depois que a rede treinada, fica determinado o peso e o bias relacionado a cada
neurnio e a partir da possvel gerar equaes que representem as parcelas de capacidades
de carga da estaca. Tais formulaes obtidas foram submetidas posteriormente a etapa de teste
tendo seus resultados comparados com os do ensaio de prova de carga e com os mtodos
semi-empricos de Aoki & Veloso (1975) e Dcourt & Quaresma (1978).
Outro critrio que influenciou na escolha da rede neural a ser utilizada foi o nmero
de neurnios da camada oculta. Pois, quanto menor o nmero de neurnios dessa camada,
mais simples sero as equaes obtidas para representar as capacidades de carga lateral, ponta
e total das estacas.
A rede neural e a equao so geradas atravs do conjunto de treinamento, e a
conferncia dos resultados feita por meio do conjunto de teste. Para compor esse ltimo,
foram extradas 10 amostras do banco de dados das estacas hlice-contnua e 13 das estacas
pr-moldadas.
Para testar a viabilidade e capacidade de generalizao das equaes geradas, na
regio de Feira de Santana-Ba, acrescentou-se ao conjunto de validao ou teste os resultados
de ensaios de prova de carga dinmica realizados em duas obras desse municpio, descritas a
seguir:
Obra do viaduto do bairro Cidade Nova, onde foram ensaiadas oito estacas do tipo
hlice-contnua que serviram como dados adicionais para a validao do BANCO1.
Devido a discrepncia entre os valores de capacidade de carga obtidos para estacas
inseridas em um mesmo bloco de coroamento, utilizou-se a mdia desses resultados
para as estacas pertencentes a um mesmo bloco, o que reduziu o nmero de estacas
testadas para quatro, como mostram as tabelas 3.3 e 3.4.
55
Tabela 3.3 Resultado da anlise atravs do mtodo CAPWAP - viaduto do bairro Cidade
Nova - Feira de Santana-Ba (ANDRADE, 2009).
Bloco
1
2
5
6
Estaca
Carga de Trabalho
(KN)
Golpe
WS
(m/s)
QT
(kN)
QF
(kN)
% QF
QP
(kN)
% QP
E03
E08
E07
E011
E02
E06
E09
900
900
900
900
900
900
900
6
8
9
10
4
2
5
3500
3900
3500
3500
3500
3500
3500
3160
6681
3117
2109
4740
3541
5500
1952
2559
2022
1162
3444
2867
3612
61,8
38,3
64,9
55,1
72,7
81
65,7
1208
4121
1096
947
1296
674
1888
38,2
61,7
35,2
44,9
27,3
19
34,3
0,56
0,43
0,76
0,7
0,88
0,59
0,64
E17
900
3500
4800
2368
49,3
2432
50,7
0,84
Tabela 3.4 - Mdia dos resultados da Provas de carga dinmica das estacas hlice contnua viaduto do bairro Cidade Nova Feira de Santana-Ba - (ANDRADE, 2009).
2
Bloco
D(cm)
As (m )
LE (m)
SPTP
SPTF
QT ( kN)
QF(kN)
QP(kN)
60
0,283
16
35,00
9,00
4920
2255,5
2664,5
60
0,283
17
40,00
10,63
2613,5
1592
1021,5
60
0,283
40,00
17,63
4140,5
3155,5
985
60
0,283
40,00
20,40
5150
2990
2160
Obra de ampliao da empresa Belgo Bekaert Nordeste no bairro C.I.S., onde foram
ensaiadas trs estacas pr-moldadas de concreto, sendo somente uma dessas, analisada
pelo mtodo CAPWAP. Por isso, somente essa estaca foi analisada por todas as RNA
treinadas. Como as demais estacas foram avaliadas pelo mtodo CASE no foram
obtidas as resistncias de ponta e lateral de forma separada.
56
DIMENSO (cm)
As (m2)
LE (m)
SPTP
SPTF
QT
QF
QP
E2-L2
27,5X27,5
0,075625
16
19
6,1
99,8
38,6
61,2
E4-L2
27,5X27,5
0,075625
20
30
15,8
119
E1-L2
27,5X27,5
0,075625
21
32
18,8
101
Com a adio dos dados de ensaios de prova de carga dinmica realizados em Feira
de Santana-Ba, os conjuntos de validao das estacas hlice-contnua e pr-moldadas de
concreto ficaram com 14 e 16 amostras, respectivamente.
Tabela 3.6 - Conjunto de Testes utilizado na validao das RNA das estacas hlice-contnua.
D (cm)
40
40
40
50
50
50
50
50
50
35
60
60
60
60
As (m2)
QT
LE (m) SPTP SPTF
0,1257
0,1257
0,1257
0,1963
0,1963
0,1963
0,1963
0,1963
0,1963
0,0962
0,2827
0,2827
0,2827
0,2827
10,5
7,8
14,5
19
17,4
14
14,5
17
16
14
16
17
9
6
40
40
29
40
3
36
22
22
31
40
35
40
40
40
15,9
12,1
16,3
14,4
5,4
10,8
11,5
15,6
14,6
5,1
9,0
10,6
17,6
20,4
QF
KN
QP
KN
500
360
600
1000
800
1000
1300
1000
800
400
2255,5
1592
3155,5
2990
1200
260
1180
940
840
1590
1560
1400
1650
800
2664,5
1021,5
985
2160
EXTRAPOLADA
KN
1700
620
1780
1940
1640
2590
2860
2400
2450
1200
4920
2613,5
4140,5
5150
Referncia
LOCAL
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Manaus, AM
Alonso (2000)
Camaari, BA
Alonso (2000)
Camaari, BA
Alonso (2000)
Camaari, BA
Alonso (2000)
Camaari, BA
Alonso (2000)
Jacare, SP
Feira de Santana, BA
Andrade (2009)
Feira de Santana, BA
Tabela 3.7 - Conjunto de Testes utilizado na validao das RNA das estacas Pr-moldadas de
concreto.
D (cm)
As (m2)
QT
LE (m)
SPTP
SPTF
EXTRAPOLADA
KN
0,1385 14,97
0,1385 23,15
0,1963 23
0,1963 21,8
0,1963 18
0,2827 27,1
0,2827 28,7
30
24
30
27
40
40
11
12,71
7,09
11,00
13,14
8,18
4,43
5,38
1780
1820
3100
2700
2430
3170
3850
800
500
900
1100
500
800
1500
QF
KN
980
1320
2200
1600
1930
2370
2350
QP
KN
Referncia
Scac (200_)
Sumar, SP
Scac (200_)
Santa Cruz, RJ
Scac (200_)
Caju, RJ
Scac (200_)
Scac (200_)
Scac (200_)
Santa Cruz, RJ
Scac (200_)
57
0,2827
0,2827
0,0314
0,0616
0,1257
29
35,5
12,1
12
12
5
40
20
13
24
5,33
4,41
8,27
5,91
10,53
3230
4300
1240
710
960
1200
900
800
400
600
2030
3400
440
310
360
0,0616
0.0756
0.0756
0.0756
12
16
20
21
19
30
30
32
6,09
15,27
15,79
18,79
990
998
400
386
500
500
590
612
690
510
1190
1010
Scac (200_)
Scac (200_)
Santa Cruz, RJ
Curitiba, PR
Feira de Santana, BA
Geomec (2010)
Feira de Santana, BA
Geomec (2010)
Feira de Santana, BA
58
4. RESULTADOS E DISCUSSES
RNA3
Coeficiente de
correlao
Ponta
Fuste
RNA4
RNA5
Coeficiente de
Coeficiente de
correlao
correlao
Total
Ponta Fuste Total
0,555
0,550
0,552
0,707
0,754
0,549
0,726
0,747
0,539
0,605
0,398
0,694
0,810
0,554
0,737
0,757
3
5
8
10
15
0,413
0,514
0,313
0,569
0,239
0,454
0,211
0,170
0,466
0,026
0,534
0,558
0,544
0,339
0,462
0,625
0,765
0,542
-0,192
0,148
0,705
0,773
0,790
0,795
0,464
0,390
0,390
0,569
0,341
0,449
0,428
0,575
0,556
-0,086
0,564
0,543
0,612
0,726
0,151
0,489
A figura 4.1 mostra a arquitetura das duas redes neurais utilizadas para fazer a
previso da capacidade da carga das estacas do tipo hlice contnua.
59
Figura 4. 1- Redes Neurais utilizadas na previso da capacidade de carga das estacas hlice
contnua.
A equao 4.1 mostrada abaixo, representa a RNA1, treinada para fazer a predio
da capacidade de carga da ponta das estacas hlice contnua:
(4.1)
Onde:
k1=
Abaixo a equao 4.2 que representa a RNA4, que faz a previso da capacidade de
carga da total das estacas hlice contnua:
Onde:
(4.2)
k2=
k3=
60
As tabelas 4.2, 4.3 e 4.4 apresentam comparaes entre os resultados obtidos pelas
RNA com os mtodos de Aoki & Veloso (1975) e Dcourt & Quaresma (1978). Em destaque
nas tabelas 4.2, 4.3 e 4.4 os resultados em que o desempenho dos mtodos tradicionais foi
superior as RNA, ou seja, a relao com a prova de carga esttica apresentou-se mais prxima
da unidade na comparao com as redes neurais utilizadas.
Fuste
0,15
DCOURT &
QUARESMA
0,28
Fuste
RELAO
PROVA DE
CARGA
Coeficiente de Correlao
0,66
AOKI E VELOSO
RELAO
PROVA DE
CARGA
LOCAL
N de neurnios da camada
RNA4 -RNA1
RELAO
PROVA DE
CARGA
REDE/MTODO
PROVA DE
CARGA
Tabela 4.2 - Comparao entre os mtodos tradicionais e a RNA - estaca hlice contnua capacidade de carga do fuste.
Fuste
474
0,95
409
0,82
574
1,15
500
365
1,02
185
0,51
339
0,94
360
715
1,19
431
0,72
1051
1,75
600
785
0,78
829
0,83
1524
1,52
1000
Manaus, AM
1035
1,29
254
0,32
675
0,84
800
Camaari, BA
805
0,8
483
0,48
675
0,68
1000
Camaari, BA
896
0,69
495
0,38
911
0,70
1300
Camaari, BA
880
0,88
895
0,90
1581
1,58
1000
Camaari, BA
849
1,06
696
0,87
1210
1,51
800
10
Jacare, SP
402
100
0,25
415
1,04
400
11
Feira de Santana, BA
721
0,32
580
0,26
1410
0,63
2256
12
Feira de Santana, BA
669
0,42
630
0,4
2030
1,28
1592
13
Feira de Santana, BA
934
0,3
460
0,15
1100
0,35
3156
14
Feira de Santana, BA
1680
0,56
370
0,12
680
0,23
2990
Fuste
61
Coeficiente de Correlao
0,55
Ponta
Ponta
RELAO
PROVA DE
CARGA
DCOURT &
QUARESMA
RELAO
PROVA DE
CARGA
LOCAL
N de neurnios da camada
AOKI E VELOSO
RELAO
PROVA DE
CARGA
RNA1
REDE/MTODO
PROVA DE
CARGA
Tabela 4.3 - Comparao entre os mtodos tradicionais e a RNA - estaca hlice contnua capacidade de carga da ponta.
Ponta
701,7
0,58
1675
1,4
553
0,46
1200
464,6
1,79
369
1,42
150
0,58
260
908,8
0,77
401
0,34
128
0,11
1180
1665
1,77
1178
1,25
540
0,57
940
Manaus, AM
1146
1,36
157
0,19
86
0,10
840
Camaari, BA
1252
0,79
1885
1,19
770
0,48
1590
Camaari, BA
1241
0,8
648
0,42
363
0,23
1560
Camaari, BA
1517
1,08
648
0,46
398
0,28
1400
Camaari, BA
1468
0,89
913
0,55
452
0,27
1650
10
Jacare, SP
437,9
0,55
295
0,37
236
0,30
800
11
Feira de Santana, BA
1839
0,69
1630
0,61
1530
0,57
2665
12
Feira de Santana, BA
1922
1,88
1630
1,60
1700
1,66
1022
13
Feira de Santana, BA
1731
1,76
1040
1,06
1630
1,65
985
14
Feira de Santana, BA
1649
0,76
1630
0,75
1700
0,79
2160
0,56
Ponta
0,5
62
RNA4
REDE/MTODO
o
Total
0,70
Total
Total
RELAO
PROVA DE
CARGA
0,56
RELAO
PROVA DE
CARGA
Coeficiente de Correlao
2
0,81
DCOURT &
QUARESMA
RELAO
PROVA DE
CARGA
LOCAL
N de neurnios da camada
AOKI E VELOSO
PROVA DE
CARGA
Tabela 4.4 - Comparao entre os mtodos tradicionais e a RNA -estaca hlice contnua capacidade de carga total.
Total
1176
0,69
2085
1,23
1127
0,66
1700
830
1,34
554
0,89
489
0,79
620
1624
0,91
832
0,47
1179
0,66
1780
2450
1,26
2007
1,03
2064
1,06
1940
Manaus, AM
2181
1,33
411
0,25
762
0,46
1640
Camaari, BA
2057
0,79
2368
0,91
1445
0,56
2590
Camaari, BA
2137
0,75
1143
0,4
1274
0,45
2860
Camaari, BA
2397
1543
0,64
1979
0,82
2400
Camaari, BA
2317
0,95
1609
0,66
1661
0,68
2450
10 Jacare, SP
840
0,7
395
0,33
651
0,54
1200
11 Feira de Santana, BA
2560
0,52
2210
0,45
2940
0,60
4920
12 Feira de Santana, BA
2591
0,99
2260
0,86
3730
1,43
2614
13 Feira de Santana, BA
2665
0,64
1500
0,36
2730
0,66
4141
14 Feira de Santana, BA
3329
0,65
2000
0,39
2380
0,46
5150
63
carga total, foi utilizada a RNA4 com um neurnio na camada oculta, que forneceu um
coeficiente de correlao de 0,810. As RNA5 com um e cinco neurnios na camada oculta
apresentaram coeficiente de correlao superior ao da rede utilizada, entretanto na etapa de
comparao direta, realizada atravs da relao com a prova de carga foram obtidos valores
distantes da unidade para algumas estacas do conjunto de testes. Como a opo era pela
topologia com uma menor quantidade de neurnios da camada oculta no foram utilizadas as
RNA4 com dois, trs e cinco neurnios na camada oculta. A tabela 4.3 apresenta o
coeficiente de Pearson das RNA testadas para as estacas pr-moldadas de concreto e em
destaque so mostradas as redes escolhidas para a elaborao das equaes.
RNA1
Coeficiente
de
correlao
RNA2
RNA3
RNA4
RNA5
Coeficiente de
correlao
Coeficiente de
correlao
Coeficiente de
correlao
Coeficiente de
correlao
Ponta
Fuste
Ponta
Fuste
Total
Ponta
Fuste
Total
0,872
0,594
0,950
0,673
0,810
0,887
0,611
0,888
0,795
0,458
0,855
0,499
0,869
0,704
0,415
0,783
0,899
0,857
0,839
0,239
0,849
0,775
0,010
0,715
0,853
0,544
0,947
0,597
0,855
0,930
0,403
0,932
0,767
0,080
0,888
-0,313
0,200
0,707
0,448
0,666
10
0,679
0,476
0,736
0,283
0,804
0,753
0,470
0,691
15
0,818
0,672
0,728
-0,026
0,725
0,345
0,420
0,311
A figura 4.1 mostra a arquitetura das duas redes neurais utilizadas para fazer a
previso da capacidade da carga das estacas pr-moldadas de concreto.
64
a)
Figura 4. 2 Redes Neurais utilizadas na previso da capacidade de carga das estacas Prmoldadas de concreto.
A equao 4.4 mostrada abaixo, representa a primeira sada da RNA3, treinada
para fazer a predio da capacidade de carga da ponta das estacas pr-moldadas de concreto:
Onde:
(4.4)
k4=
Abaixo a equao 4.5 que representa a segunda sada da RNA3, que faz a previso
da capacidade de carga lateral das estacas pr-moldadas de concreto:
Onde:
(4.5)
k5=
A capacidade de carga total das estacas pr-moldadas de concreto feita pela
RNA4, representada abaixo pela equao 4.6:
Onde:
(4.6)
k6=
Vale ressaltar que os valores fornecidos pela equao 4.6 no obrigatoriamente so
iguais ao somatrio das equaes 4.4 e 4.5, uma vez que no existe correlao entre as sadas
65
das redes. Em destaque nas tabelas 4.6, 4.7 e 4.8 os resultados em que o desempenho dos
mtodos tradicionais foi superior as RNA, ou seja, a relao com a prova de carga esttica
apresentou-se mais prxima da unidade na comparao com as redes neurais utilizadas.
1
0,67
Fuste
0,56
0,67
Fuste
RELAO
PROVA DE
CARGA
Coeficiente de Correlao
DCOURT &
QUARESMA
RELAO
PROVA DE
CARGA
LOCAL
N de neurnios da camada
AOKI E VELOSO
RELAO
PROVA DE
CARGA
RNA3
REDE/MTODO
PROVA DE
CARGA
Fuste
Sumar, SP
531,1
0,66
664
0,83
866
1,08
800
Santa Cruz, RJ
687,7
1,38
936
1,87
1201
2,4
500
Caju, RJ
857
0,95
1117
1,24
1550
1,72
900
806,8
0,73
1279
1,16
1691
1,54
1100
845
1,69
988
1,98
890
1,78
500
Santa Cruz, RJ
1096
1,37
1057
1,32
1577
1,97
800
1055
0,7
1444
0,96
1766
1,18
1500
1044
0,87
793
0,66
1137
0,95
1200
Santa Cruz, RJ
1124
1,25
1006
1,12
1558
1,73
900
10 Curitiba, PR
293,3
0,37
160
0,2
224
0,28
800
11 Curitiba, PR
319,2
0,8
144
0,36
261
0,65
400
12 Curitiba, PR
442,8
0,74
499
0,83
750
1,25
600
13 Curitiba, PR
332,1
0,83
144
0,36
264
0,66
400
14 Feira de Santana, BA
383
0,99
1023
2,65
928
2,4
386
15 Feira de Santana, BA
1401
907,5
16 Feira de Santana, BA
1745
968
Fuste
66
RNA3
REDE/MTODO
o
Ponta
0,63
Ponta
Ponta
RELAO
PROVA DE
CARGA
0,53
RELAO
PROVA DE
CARGA
Coeficiente de Correlao
1
0,95
DCOURT &
QUARESMA
RELAO
PROVA DE
CARGA
LOCAL
N de neurnios da camada
AOKI E VELOSO
PROVA DE
CARGA
Ponta
Sumar, SP
990
1,01
784
0,8
454
0,46
980
Santa Cruz, RJ
1521
1,15
1520
1,15
1201
0,91
1320
Caju, RJ
2095
0,95
1110
0,5
605
0,27
2200
1925
1,2
2423
1,51
2330
1,46
1600
2054
1,06
3590
1,86
2670
1,38
1930
Santa Cruz, RJ
2906
1,23
5170
2,18
3318
1,4
2370
2765
1,18
1066
0,45
1093
0,47
2350
2729
1,34
485
0,24
565
0,28
2030
Santa Cruz, RJ
3001
0,88
1486
0,44
1923
0,57
3400
10 Curitiba, PR
184
0,42
79
0,18
80
0,18
440
11 Curitiba, PR
272
0,88
101
0,32
79
0,25
310
12 Curitiba, PR
690
1,92
379
1,05
372
1,03
360
13 Curitiba, PR
315
0,53
101
0,17
106
0,18
590
14 Feira de Santana, BA
488
0,8
691
1,13
891
1,46
612
15 Feira de Santana, BA
648
1188
16 Feira de Santana, BA
691
1540
67
RNA4
REDE/MTODO
o
Total
0,66
Total
Total
RELAO
PROVA DE
CARGA
0,52
RELAO
PROVA DE
CARGA
Coeficiente de Correlao
1
0,81
DCOURT &
QUARESMA
RELAO
PROVA DE
CARGA
LOCAL
N de neurnios da camada
AOKI E VELOSO
PROVA DE
CARGA
Total
Sumar, SP
1604
0,9
1448
0,81
1321
0,74
1780
Santa Cruz, RJ
1781
0,98
2456
1,35
2401
1,32
1820
Caju, RJ
2553
0,82
2227
0,72
2155
0,7
3100
2095
0,78
3702
1,37
4021
1,49
2700
3239
1,33
4578
1,88
3560
1,47
2430
Santa Cruz, RJ
3804
1,2
6227
1,96
4895
1,54
3170
2102
0,55
2511
0,65
2859
0,74
3850
1575
0,49
1278
0,4
1703
0,53
3230
Santa Cruz, RJ
3881
0,9
2492
0,58
3481
0,81
4300
10 Curitiba, PR
544
0,44
239
0,19
305
0,25
1240
11 Curitiba, PR
462
0,65
244
0,34
340
0,48
710
12 Curitiba, PR
1043
1,09
878
0,91
1122
1,17
960
13 Curitiba, PR
647
0,65
244
0,25
370
0,37
990
14 Feira de Santana, BA
1101
1,1
1715
1,72
1819
1,82
998
15 Feira de Santana, BA
1231
1,03
2049
1,72
2096
1,76
1190
16 Feira de Santana, BA
1279
1,27
2436
2,41
2508
2,48
1010
68
5. CONCLUSES
69
REFERNCIAS
70
ANTUNES, W.R & CABRAL, D.A. (1996). Capacidade de carga em estacas hlice
contnua. 3 Seminrio de Engenharia de Fundaes e Geotecnia. So Paulo, 2: 105 - 109.
AOKI, N. (1976) Consideraes sobre a capacidade de carga de estacas isoladas. Rio de
Janeiro: Universidade Gama Filho, 44 pg.
AOKI, N. & VELLOSO, D.A. (1975). An approximate method to estimate the bearing
capacity of piles. V Panamerican Conference on Soil Mechanics and Foundation
Engineering, Bueno Aires, Argentina, 1: 367 376.
AOKI, N. (1989). A new dynamic load test concept. XII International Conference on Soil
Mechanics and Foundation Engineering. ISSMGE, Rio de Janeiro, RJ, 1:1-4.
WINDROW, B.; HOTT M.E. (1960). Adaptative Switching Circuits. Institute of Radio
Engineers, Western Eletronic Show and Convention.
BARATA, F. E. (1984). Propriedades Mecnicas dos Solos. Rio de Janeiro, Livros
Tcnicos e Cientificos Editora S.A.
BATTITI, R. (1991) First and second-order methods for learning: between steepest
descent and Newton's method. Technical report, University of Trento.
BRAGA, A. P.; CARVALHO, A. P. L.; LAUDEMIR, T. B. (2000). Redes Neurais
artificiais: Teoria e aplicaes. Rio de Janeiro: 2. ed. LTC.
CASTRO, L. N. (1998). Anlise e Sntese de Estratgias de Aprendizado para Redes
Neurais Artificiais. Campinas: FEEC, UNICAMP. Dissertao de Mestrado-Faculdade de
Engenharia Eltrica e de Computao, Universidade Estadual de Campinas, pp. 250.
CAVASSANI, M. R. P. (2005). Avaliao da capacidade de carga de estacas metlicas
tubulares de alta resistncia atravs de provas de carga dinmica de energia crescente.
Dissertao de mestrado Centro Tecnolgico Universidade Federal do Esprito Santo,
Vitria, 198p.
71
72
GOTLIEB, M.; PENNA, A.S.D.; ROMANO JR, R. & RODRIGUES, L.H.B. (2000). Um
mtodo simples para a avaliao da tenso admissvel no topo de estacas do tipo hlice
contnua. 4 Seminrio de Engenharia de Fundaes Especiais e Geotecnia. So Paulo, 1: 312
-319.
HAGAN, M. & M. MENHAJ, M.(1994). Training feedforward networks with the
Marquardt algorithm. IEEE Transactions on Neural Networks,5(6): 989-993, November.
HAYKIN, S. (2001). Redes Neurais: Princpios e prtica. Porto Alegre: Ed Bookman.
HECHT-NIELSEN, R. (1987). Kolmogorov's mapping neural network existence theorem.
In: Proceedings of the International Conference on Neural Networks. [S.l.: s.n.]. v. 3, p. 1114.
JI, T.; LIN, T.; LIN, X. (2006). A concrete mix proportion design algorithm based on
artificial neural netoworks, Cement and Concret Research, Article in Press.
JAKSA, M. B.; MAIER H. R.; SHAHIN M. A. (2008). Future Challenges for Artificial
Neural Network Modelling in Geotechnical Engineering. International Association for
Computer Methods and Advances in Geomechanics.Goa, p.1710-1719.
JOPPERT, IVAN J. (2007). Fundaes e contenes de edifcios: Qualidade total na
gesto de projeto e execuo, So Paulo, PINI, p.222.
KOLMOGOROV, A. N.(1957). On the representation of continuous functions of several
variables by superposition of continuous functions of the one variable and addition.
Dokl. Akad. Nauk SSSR 114, 953-956.
KOVACS, Z. L. (1996). Redes Neurais Artificiais Fundamentos e Aplicaes. So Paulo:
Acadmica.
LIMA, M. J. C. P. (1980). Prospeco Geotcnica do subsolo Livros Tcnicos e
Cientficos S. A .- Rio de Janeiro.
LISBOA, E. F. A.; RUFFIER, A.P.;DANZIGER, F. A. B. (1998). Aplicao de Redes
Neurais ao Estudo da Capacidade de Carga de Fundaes Trao. COPPE/UFRJ, Rio
de Janeiro, Brasil
LOBO, B. O (2005). Mtodo de Previso da Capacidade de Carga de Estacas: Aplicao
dos conceitos de energia do ensaio de SPT. 121p. Dissertao (Mestrado)-Escola de
Engenharia, UFRS. Porto Alegre.
73
Ultimate
Bearing
Capacity
of
REESE, L. C.; ISENHOWER, W. M.; WANG, S.(2006) Analysis and Design of Shallow
and Deep Foundations. New Jersey: John Wiley & Sons, Inc.
REESE, L.C.; O NEILL, L. W. (1988). Field Load Tests of Drilled Shafts. In DEEP
FOUNDATIONS ON BORED AND AUGER PILES, Rotterdam , p.145-191.
RIEDMILLER M.(1994). Rprop : description and implementation Details Technical
report, University of Karlsruhe.
RUMELHART, D. E. et al. (1986). Learning Representations by back-propagating
errors. Nature, 323:533-536.
RUMELHART, D., MCCLELLAND, J. e The PDP Research Group (1986) Parallel
Distributed Processing: Exploration in the Microstruture of Cognition, MIT Press,
Boston, EEUU.
SANTOS JR, O.J. (2006) Anlise de dados de instrumentao de tneis do metr de So
Paulo: Uma abordagem por Redes Neurais, Dissertao (Mestrado), Escola de Engenharia
de So Carlos, Universidade de So Paulo, 160 p .
SCHNAID, F. (2000). Ensaios de Campo e suas Aplicaes Engenharia de Fundaes.
So Paulo. Editora Oficina de Textos.
SCAC.(200_). Estacas de concreto centrifugado: Catlogo.
SMITH, E. A. L. (1960). Pile Driving Analysis by the Wave Equation. Journal of the Soil
Mechanics and Foundation Division, ASCE, v.86 no. SM4.
SOARES, F. L. (2002). Anlise de provas de carga dinmica em tubules a cu aberto, no
campo experimental de fundaes da EESC. So Carlos, 2002. 158 p. Dissertao
(Mestrado) Escola de Engenharia de So Carlos, Universidade de So Paulo.
TERZAGUI, K. (1943). Theoretical soil mechanics. New York.
SOARES, F. L.; GUSMO, A. D. COSTA, R. F. F. (2004). Anlise de prova de carga
esttica em uma estaca pr-moldada em um depsito de solo mole. In: V SEMINRIO
DE ENGENHARIA DE FUNDAES ESPECIAIS - SEFE, So Paulo. Anais...So Paulo:
ABMS/ABEF, V2, p. 148-157.
SOUSA, T.; LUIS, T.; SILVA, P.; COSTA, RUY. (2008). Matrial didtico Redes
Neuronais. Disponvel em: http://paginas.fe.up.pt/~eol/IA/IA0708/APONTAMENTOS/IANN.pdf .20 . Ago. 2010.
75
76
D (cm)
35
35
60
70
60
35
40
50
35
35
35
40
40
50
40
50
50
50
50
80
50
70
70
35
35
40
40
35
43
40
40
60
60
60
60
60
60
35
50
50
50
60
60
As (m2)
0,096
0,096
0,283
0,385
0,283
0,096
0,126
0,196
0,096
0,096
0,096
0,126
0,126
0,196
0,126
0,196
0,196
0,196
0,196
0,503
0,196
0,385
0,385
0,096
0,096
0,126
0,126
0,096
0,145
0,126
0,126
0,283
0,283
0,283
0,283
0,283
0,283
0,096
0,196
0,196
0,196
0,283
0,283
QT
LE (m)
11,55
8,59
16,04
14,67
16,1
19
14,1
15,4
20,2
20,2
19,6
15
16,04
17
9,07
12,03
12,03
12,85
12
11,83
21,12
17
23
6
7
11,4
11,4
7,5
7,5
12
11
11,46
11,81
13,5
13,5
14,5
14,5
11
11
13
21
18,75
18,75
SPTP
40,00
8,00
21,00
38,00
33,00
21,00
40,00
39,00
40,00
25,00
40,00
40,00
35,00
18,00
40,00
40,00
40,00
32,00
32,00
40,00
40,00
30,00
26,00
30,00
22,00
9,00
9,00
25,00
25,00
40,00
40,00
24,00
40,00
15,00
18,00
9,00
20,00
22,00
18,00
21,00
13,00
37,00
37,00
SPTF
17,27
16,88
6,60
25,21
12,20
12,33
17,62
19,07
13,84
12,42
7,42
18,50
9,60
12,50
6,13
11,91
11,91
20,17
18,09
6,36
9,80
17,56
15,27
29,40
29,50
4,30
4,30
12,50
12,50
11,91
7,70
7,30
7,68
16,92
12,83
18,08
14,23
21,10
17,40
8,75
10,05
7,50
7,50
EXTRAPOLADA
KN
1700
880
2700
5400
3600
1350
2080
2450
1440
1720
970
2440
1290
2750
1410
1380
1870
1900
2280
2820
3000
4450
4200
990
1430
1230
2490
470
690
1990
890
2120
2800
2700
2710
1820
2350
1310
2140
2250
2680
2850
2660
QF
KN
QP
KN
750
240
1000
1500
1500
600
600
1000
750
720
250
750
600
600
360
430
600
750
750
1000
1100
2500
2000
400
750
400
720
120
400
750
400
1000
1200
800
1000
700
600
500
1000
815
1000
750
600
950
640
1700
3900
2100
750
1480
1450
690
1000
720
1690
690
2150
1050
950
1270
1150
1530
1820
1900
1950
2200
590
680
830
1770
350
290
1240
490
1120
1600
1900
1710
1120
1750
810
1140
1435
1680
2100
2060
Referncia
LOCAL
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Brooklin, SP
Brooklin, SP
Tatuap, SP
Brooklin, SP
Tatuap, SP
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
Santana, SP
Porto Alegre, RS
So Jos dos Pinhais, PR
Porto Alegre, RS
Porto Alegre, RS
Porto Alegre, RS
Florianpolis, SC
Araucria, PR
Vila Madalena, SP
Londrina, PR
Lapa, SP
Belo Horizonte, MG
Curitiba, PR
Curitiba, PR
Londrina, PR
Londrina, PR
Cidade Universitria, SP
Cidade Universitria, SP
guas Claras, RS
guas Claras, RS
Guarulhos, SP
Mogi das Cruzes, SP
Jacarepagu, RJ
Jacarepagu, RJ
Jacarepagu, RJ
Jacarepagu, RJ
Jacarepagu, RJ
Jacarepagu, RJ
Jaguariuna, SP
Jaguariuna, SP
Belo Horizonte, MG
Belo Horizonte, MG
77
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
40
50
40
40
50
50
70
70
50
50
70
70
70
70
70
70
50
60
70
50
50
25
25
25
25
25
25
50
50
50
40
70
35
35
35
60
40
50
30
30
50
40
40
40
40
50
50
50
50
50
50
35
0,126
0,196
0,126
0,126
0,196
0,196
0,385
0,385
0,196
0,196
0,385
0,385
0,385
0,385
0,385
0,385
0,196
0,283
0,385
0,196
0,196
0,049
0,049
0,049
0,049
0,049
0,049
0,196
0,196
0,196
0,126
0,385
0,096
0,096
0,096
0,283
0,126
0,196
0,071
0,071
0,196
0,126
0,126
0,126
0,126
0,196
0,196
0,196
0,196
0,196
0,196
0,096
17
22
14,25
13
18
18
19
16
13
9,3
18,4
18,4
15,8
23
24
13
15
16,57
23
12
18,5
9,44
8,5
12
14
15
15
26,5
22
19
23
11,5
7
7
10
16
16
12,2
17,8
17,8
21
20
10,5
7,8
14,5
19
17,4
14
14,5
17
16
14
40,00
25,00
30,00
40,00
13,00
13,00
12,00
40,00
28,00
40,00
40,00
17,00
22,00
25,00
30,00
20,00
40,00
40,00
22,00
8,00
40,00
31,00
40,00
40,00
12,00
40,00
40,00
34,00
11,00
17,00
9,00
40,00
6,00
6,00
6,00
29,00
40,00
40,00
31,00
31,00
33,00
33,00
40,00
40,00
29,00
40,00
3,00
36,00
22,00
22,00
31,00
40,00
11,33
12,90
11,77
17,08
13,18
13,18
18,06
17,20
21,00
16,50
11,53
14,67
6,57
11,25
11,85
10,43
9,82
10,25
11,27
7,91
12,00
6,50
9,38
9,64
9,00
9,71
9,71
7,39
16,62
11,17
8,45
12,40
5,17
5,17
5,33
14,27
13,73
20,73
5,71
5,71
9,85
9,85
15,89
12,14
16,31
14,39
5,44
10,85
11,54
15,61
14,60
5,08
1000
2810
1510
1820
2410
2350
3150
3200
2070
1760
4020
4850
2280
1960
4900
1950
1950
2400
2730
1340
3500
400
300
410
510
700
710
2160
3200
1950
1930
3450
630
570
455
2960
2190
1690
660
1260
2110
1230
1700
620
1780
1940
1640
2590
2860
2400
2450
1200
500
1000
800
750
1000
550
1500
1500
1000
600
2000
1500
600
700
2500
500
500
1200
1000
1000
1000
120
200
150
150
300
375
1500
1500
1300
1000
1500
175
200
260
1500
1000
600
400
600
900
600
500
360
600
1000
800
1000
1300
1000
800
400
500
1810
710
1070
1410
1800
1650
1700
1070
1160
2020
3350
1680
1260
2400
1450
1450
1200
1730
340
2500
280
100
260
360
400
335
660
1700
650
930
1950
455
370
195
1460
1190
1090
260
660
1210
630
1200
260
1180
940
840
1590
1560
1400
1650
800
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Alonso (2000)
Belo Horizonte, MG
Botafogo, RJ
Sete Lagoas, MG
Barueri, SP
Ipatinga, MG
Ipatinga, MG
Flamengo, RJ
Morunbi, SP
Jacare, SP
Jacare, SP
Imirin, SP
Imirin, SP
Imirin, SP
Imirin, SP
Imirin, SP
Santos, SP
Osasco, SP
Blumenau, SC
Vitria, ES
Moema, SP
Porto Alegre, RS
Guarulhos, SP
Guarulhos, SP
Guarulhos, SP
Guarulhos, SP
Guarulhos, SP
Guarulhos, SP
Vitria, ES
Serra, ES
Porto Alegre, RS
Viosa, MG
Vila Vellha, ES
Belo Horizonte, MG
Belo Horizonte, MG
Belo Horizonte, MG
Belo Horizonte, MG
Osasco, SP
Araucria, PR
Valinhos, SP
Valinhos, SP
Recife, PE
Recife, PE
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
So Jos dos Pinhais, PR
Manaus, AM
Camaari, BA
Camaari, BA
Camaari, BA
Camaari, BA
Jacare, SP
78
D
(cm)
As
(m2)
LE
(m)
SPTP
1
2
3
4
5
6
7
8
26
26
26
26
26
26
33
33
0,053
0,053
0,053
0,053
0,053
0,053
0,086
0,086
18,9
21,12
10,5
11,2
9,25
3,3
21,1
39,9
30,00
30,00
22,00
22,00
14,00
11,00
30,00
22,00
5,15
6,84
8,50
7,60
11,44
5,50
6,84
4,90
33
0,086
9,9
8,00
10
33
0,086
11,5
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
33
42
42
42
42
42
42
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
60
60
60
60
60
0,086
0,139
0,139
0,139
0,139
0,139
0,139
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,196
0,283
0,283
0,283
0,283
0,283
47
60
48
60
Estaca
QF
KN
QP
KN
1115
1005
950
850
1000
1040
1830
1115
400
300
400
300
400
400
800
400
715
705
550
550
600
640
1030
715
14,78
900
440
460
22,00
10,40
1080
500
580
Scac (200_)
23
21,35
12
9,7
21,1
14,97
23,15
23
21,8
18
15,4
13,1
15,8
26,5
34
34
14
29,5
27,4
38,85
28,75
26,4
19,9
16,5
20,2
9,4
18,7
28,4
11,7
17,75
12,95
18,2
9,3
21,4
29,8
27,1
16,00
22,00
40,00
40,00
8,00
30,00
24,00
30,00
27,00
40,00
14,00
10,00
17,00
18,00
4,00
40,00
30,00
40,00
40,00
40,00
40,00
40,00
40,00
28,00
21,00
40,00
40,00
31,00
22,00
19,00
28,00
29,00
34,00
40,00
40,00
40,00
1,95
3,86
7,18
6,48
9,70
12,71
7,09
11,00
13,14
8,18
5,93
2,42
9,00
2,06
3,47
5,20
9,65
8,68
4,77
10,66
8,71
3,76
6,32
4,88
1,58
5,00
10,67
7,89
13,27
10,75
7,50
12,95
4,38
4,15
5,89
4,43
1250
2030
2200
1880
5300
1780
1820
3100
2700
2430
2610
2790
2350
2520
2600
2620
2850
4030
2940
8250
5950
2760
3140
2900
2650
2810
3600
2750
3050
2320
5000
3850
5000
3950
4900
3170
400
500
450
800
2000
800
500
900
1100
500
600
500
1000
550
1000
800
750
800
750
3000
1500
600
500
870
500
600
600
1000
650
1100
600
1000
1000
1000
1200
800
850
1530
1750
1080
3300
980
1320
2200
1600
1930
2010
2290
1350
1970
1600
1820
2100
3230
2190
5250
4450
2160
2640
2030
2150
2210
3000
1750
2400
1220
4400
2850
4000
2950
3700
2370
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
0,283
28,7
11,00
5,38
3850
1500
2350
Scac (200_)
0,283
29
5,00
5,33
3230
1200
2030
Scac (200_)
SPTF
EXTRAPOLADA
KN
Referncia
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
Scac (200_)
LOCAL
Cubato, SP
Cubato, SP
Sumar, SP
Sumar, SP
Jaguar, SP
Via Anhanguera, SP
Cubato, SP
Santos, SP
Via Anhanguera, SP
So Bernardo do Campo,
SP
Santa Cruz, RJ
So Sebastio, SP
Volta Redonda, RJ
So Caetano do Sul, SP
Duque de Caxias, RJ
Sumar, SP
Santa Cruz, RJ
Caju, RJ
So Jos dos Campos, SP
Angra dos Reis, RJ
Angra dos Reis, RJ
Angra dos Reis, RJ
Duque de Caxias, RJ
Santos, SP
Santos, SP
Santos, SP
Ipatinga, MG
Santa Cruz, RJ
Santa Cruz, RJ
Santa Cruz, RJ
Santa Cruz, RJ
Barueri, SP
Barueri, SP
Barueri, SP
Barueri, SP
Barueri, SP
Barueri, SP
So Caetano do Sul, SP
Barcarena, PA
Barcarena, PA
Betim, MG
So Jos dos Campos, SP
Duque de Caxias, RJ
Duque de Caxias, RJ
Duque de Caxias, RJ
Santa Cruz, RJ
Av. dos Automobilistas,
SP
Av. dos Automobilistas, SP
79
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
60
60
70
20
23
26
33
17
17
26
18
26
23
22,6
30
20,3
18
18
22,6
26
20
18
18
15
23
40
30
30
50
50
23
18
15
25
20
25
20
15
25
25
15
15
20
25
30
40
40
30
30
25
25
20
0,283
0,283
0,385
0,031
0,042
0,053
0,086
0,023
0,023
0,053
0,025
0,053
0,042
0,040
0,071
0,032
0,025
0,025
0,040
0,053
0,031
0,025
0,025
0,018
0,042
0,126
0,071
0,071
0,196
0,196
0,042
0,025
0,018
0,049
0,031
0,049
0,031
0,018
0,049
0,049
0,018
0,018
0,031
0,049
0,071
0,126
0,126
0,071
0,071
0,049
0,049
0,031
35,5
24
30,1
9
10,3
9,6
9,6
10
14
5
5,7
18,1
13,7
14
23,3
20
12,3
8,6
8,2
8,4
8,8
12
12
10
12
11,1
12
12
27
39,8
10,2
10
8,75
13,5
11,5
13,5
11,5
3,5
12
10
4,4
3,4
12
14
7,7
10,3
12
14
16
14
12,4
13
40,00
20,00
22,00
22,00
20,00
20,00
20,00
5,00
13,00
6,00
7,00
12,00
12,00
8,00
14,00
4,00
12,00
40,00
40,00
40,00
40,00
11,00
8,00
8,00
9,00
16,00
21,00
22,00
2,00
20,00
18,00
5,00
10,00
12,00
15,00
7,00
10,00
22,00
4,00
9,00
8,00
3,00
2,00
20,00
20,00
24,00
22,00
21,00
16,00
6,00
2,00
8,00
4,41
5,87
7,25
7,25
8,89
8,89
8,89
4,89
6,31
4,00
3,60
5,35
3,85
4,62
6,36
3,95
4,91
8,38
6,43
6,43
8,38
9,80
3,44
3,44
3,91
6,50
7,36
9,46
1,04
2,06
5,14
5,89
7,22
6,25
8,83
9,20
9,08
7,40
3,50
5,27
4,44
2,75
3,50
3,73
6,38
15,56
8,89
11,54
6,85
7,33
7,07
6,00
4300
2740
575
770
1010
1200
1940
125
205
325
335
840
265
285
2720
540
675
650
1200
950
590
570
490
290
407
820
560
780
600
2280
2070
320
305
275
600
272
800
650
20,5
500
360
55
53
284
530
770
1150
1370
835
760
535
445
900
1000
250
350
350
300
600
75
120
140
150
260
150
200
1200
280
300
250
400
400
200
260
200
150
200
300
350
300
250
750
1000
120
120
270
300
150
360
200
20
250
150
30
25
100
250
500
320
320
300
320
240
240
3400
1740
325
420
660
900
1340
50
85
185
185
580
115
85
1520
260
375
400
800
550
390
310
290
140
207
520
210
480
350
1530
1070
200
185
5
300
122
440
450
0,5
250
210
25
28
184
280
270
830
1050
535
440
295
205
Scac (200_)
Scac (200_)
Gonalves (2000)
Gonalves (2000)
Gonalves (2000)
Gonalves (2000)
Gonalves (2000)
Fbris (2004)
Fbris (2004)
Soares (2004)
Miquerinos (200_)
Miquerinos (200_)
Miquerinos (200_)
Miquerinos (200_)
Miquerinos (200_)
Miquerinos (200_)
Miquerinos (200_)
Fbris (2004)
Fbris (2004)
Fbris (2004)
Fbris (2004)
Fbris (2004)
Fbris (2004)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Engesolos (200_)
Engesolos (200_)
Engesolos (200_)
Consenge (200_)
Consenge (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Santa Cruz, RJ
So Paulo, SP
So Paulo, SP
So Paulo, SP
So Paulo, SP
So Paulo, SP
Bauru, SP
Bauru, SP
Recife, PE
Joinville, SC
Joinville, SC
Joinville, SC
Joinville, SC
Joinville, SC
Joinville, SC
Joinville, SC
So Jos, SC
So Jos, SC
So Jos, SC
So Jos, SC
Joinville, SC
Joinville, SC
Mamor, PR
Mamor, PR
Curitiba, PR
Curitiba, PR
Joinville, SC
Santos, SP
Santos, SP
Santos, SP
Curitiba, PR
Curitiba, PR
So Paulo, SP
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
80
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
25
20
20
18
40
28
40
20
28
40
28
40
33
25
25
20
25
30
30
30
30
25
25
42
30
0,049
0,031
0,031
0,025
0,126
0,062
0,126
0,031
0,062
0,126
0,062
0,126
0,086
0,049
0,049
0,031
0,049
0,071
0,071
0,071
0,071
0,049
0,049
0,139
0,071
15
13
9
12,2
13
12,2
11
12,1
12
12
12
12,3
12
14,4
12,9
12,9
7,85
6,65
7
8,3
6,8
15,35
14
23,65
14
12,00
9,00
6,00
22,00
8,00
17,00
13,00
20,00
13,00
24,00
19,00
17,00
9,00
11,00
25,00
22,00
40,00
40,00
34,00
35,00
17,00
8,00
17,00
40,00
7,00
8,15
7,86
5,33
8,95
5,27
8,00
5,91
8,27
5,91
10,53
6,09
7,92
4,25
3,65
15,13
14,29
12,86
8,63
7,80
8,27
8,65
8,80
8,00
11,00
7,00
390
560
400
350
340
340
455
1240
710
960
990
495
350
485
780
1020
1015
1140
705
680
815
710
525
1800
600
200
300
250
200
150
200
200
800
400
600
400
200
250
240
400
400
400
500
300
300
300
300
300
600
480
190
260
150
150
190
140
255
440
310
360
590
295
100
245
380
620
615
640
405
380
515
410
225
1200
120
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
126
28
0,062
14,86
5,00
3,31
750
320
430
Engesolos (200_)
127
28
0,062
14,68
3,00
1,90
720
300
420
Engesolos (200_)
128
28
0,062
14,86
2,00
1,91
910
400
510
Engesolos (200_)
129
130
131
40
26
30
0,126
0,053
0,071
9,3
11,3
8,5
14,00
30,00
8,00
12,57
5,05
4,38
1200
730
780
600
300
200
600
430
580
Engesolos (200_)
Engesolos (200_)
Tecnosolo (200_)
Engesolos (200_)
Engesolos (200_)
Engesolos (200_)
Engesolos (200_)
Engesolos (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Tecnosolo (200_)
Engesolos (200_)
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Curitiba, PR
Guarulhos, SP
Guarulhos, SP
Guarulhos, SP
Guarulhos, SP
Guarulhos, SP
Campo Largo, PR
Campo Largo, PR
Campo Largo, PR
Araucria, PR
Duque de Caxias, RJ
So Paulo, SP
So Bernardo do Campo,
SP
So Bernardo do Campo,
SP
So Bernardo do Campo,
SP
So Paulo, SP
So Paulo, SP
So Paulo, SP
81
Prof. (m)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
35
11,55
cm
m
47,097
U=
1,10
NSPT
Campo
NSPT
Utilizado
0
12
14
16
10
8
25
20
35
8
22
25
42
29
0
12
14
16
10
8
25
20
30
8
22
25
40
29
23
23
m
Solo
Areia Argilosa
Argila Silto Arenosa
Areia Argilosa
SPTFUSTE
17,27
SPTPONTA
40
Penetrao (m)
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
Penet / Golpe
(m)
0,000
0,025
0,021
0,019
0,030
0,038
0,012
0,015
0,010
0,038
0,014
0,012
0,008
0,010
0,3
0,013
Prof. (m)
0
1
2
3
4
5
6
7
8
9
10
11
35
8,59
cm
m
47,097
U=
1,10
NSPT
Campo
NSPT
Utilizado
0
12
14
16
10
8
25
20
35
8
22
25
0
12
14
16
10
8
25
20
30
8
22
25
m
Solo
Areia Argilosa
Argila Silto Arenosa
Areia Argilosa
SPTFUSTE
16,87
SPTPONTA
Penetrao (m)
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,000
0,025
0,021
0,019
0,030
0,038
0,012
0,015
0,010
0,038
0,014
0,012
82
Prof. (m)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
60
16,04
138,41
U=
1,88
NSPT
NSPT
Utilizado
Campo
0
0
4
6
6
7
5
5
7
7
8
7
10
6
9
12
21
8
15
cm
m
0
0
4
6
6
7
5
5
7
7
8
7
10
6
9
12
21
8
15
m
Solo
Argila Silto
Arenosa
Areia Silto
Argilosa
Argila Silto
Arenosa
SPTFUSTE
6,6
SPTPONTA
21
Penetrao (m)
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
Penet / Golpe
(m)
0,000
0,000
0,075
0,050
0,050
0,043
0,060
0,060
0,043
0,043
0,038
0,043
0,030
0,050
0,033
0,025
0,014
0,038
0,020
83
Prof. (m)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
26
18,90
25,990
U=
0,82
NSPT
NSPT
Utilizado
Campo
0
0
0
0
1,5
1,7
3,5
1,7
0,5
1,5
1,3
0,5
0,7
5,2
8,3
11,5
13,8
19
27
30
30
cm
m
0
0
0
0
1,5
1,7
3,5
1,7
0,5
1,5
1,3
0,5
0,7
5,2
8,3
11,5
13,8
19
22
30
30
m
Solo
Argila Silto
Arenosa
Silte Argilo
Arenoso
SPTFUSTE
5,15
SPTPONTA
30
Penetrao (m)
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,000
0,000
0,000
0,000
0,200
0,176
0,086
0,176
0,600
0,200
0,231
0,600
0,429
0,058
0,036
0,026
0,022
0,016
0,014
0,010
0,010
84
Prof. (m)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
26
21,12
25,990
U=
0,82
NSPT
NSPT
Utilizado
Campo
0
0
0
0
1,5
1,7
3,5
1,7
0,5
1,5
1,3
0,5
0,7
5,2
8,3
11,5
13,8
19
27
30
30
30
30
cm
m
m
Solo
0
0
0
0
1,5
1,7
3,5
1,7
0,5
1,5
1,3
0,5
0,7
5,2
8,3
11,5
13,8
19
22
22
22
30
30
Argila Silto
Arenosa
Silte Argilo
Arenoso
SPTFUSTE
6,84
SPTPONTA
30
Penetrao (m)
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,000
0,000
0,000
0,000
0,200
0,176
0,086
0,176
0,600
0,200
0,231
0,600
0,429
0,058
0,036
0,026
0,022
0,016
0,014
0,014
0,014
0,010
0,010
Prof. (m)
2
3
4
5
6
7
8
9
10
11
26
10,5
25,99
U=
0,82
NSPT
NSPT
Utilizado
Campo
0
3
4
5
5
3
6
11
15
18
15
22
cm
m
0
3
4
5
5
3
6
11
15
18
15
22
m
Solo
Argila Silto
Arenosa
SPTFUSTE
8,5
SPTPONTA
22
Penetrao (m)
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,3
0,000
0,100
0,075
0,060
0,060
0,100
0,050
0,027
0,020
0,017
0,020
0,014
85