UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA

DEPARTAMENTO DE TECNOLOGIA
COLEGIADO DE ENGENHARIA CIVIL

RENATO ALVES FERREIRA

PREVISO DA CAPACIDADE DE CARGA DE FUNDAES PROFUNDAS ATRAVS

DE REDES NEURAIS ARTIFICIAIS.

FEIRA DE SANTANA-BA
2010

RENATO ALVES FERREIRA

PREVISO DA CAPACIDADE DE CARGA DE FUNDAES PROFUNDAS ATRAVS

DE REDES NEURAIS ARTIFICIAIS.

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

RENATO ALVES FERREIRA

PREVISO DA CAPACIDADE DE CARGA DE FUNDAES PROFUNDAS ATRAVS

DE REDES NEURAIS ARTIFICIAIS.

Monografia apresentada Universidade Estadual de Feira de Santana, como partes dos

requisitos para obteno da graduao em Engenharia Civil.

Feira de Santana-BA, 30 de Novembro de 2010.

Aprovado por:

____________________________________________________________________
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

Considering the contribution of Artificial Neural Networks (ANN) in several areas of

civil engineering, in determination the behavior of various phenomena, this study aims to
verify the feasibility of using ANN in predicting the load capacity of two distinct types of
piles: in concrete drive spiked and continuous flight auger excavated. These networks will
relate the geometrical properties of the piles (length and cross section) and the values of the
SPT (standard penetration test) of the tip and lateral of the pile, with the lateral load capacity,
tip and total deep foundations. With this information and the results obtained in static and
dynamic load tests performed on the entire national territory, available in publications, articles
from academic and available by specialist companies, was organized organize a database of
test load continuous flight auger excavated and for in concrete drive. With these data
organized, the ANN were trained through these, prediction equations were obtained, capable
of deduce the ability of lateral support, tip and full. The values of load capacity obtained
through the technique of ANN presented higher accuracy than traditional methods of Aoki &
Veloso and Dcourt & Quaresma, which demonstrates the feasibility of using ANN with a
tool for predicting the load capacity of deep foundations.

KEYWORDS : Neural Networks Load tests Deep Foundations

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

Tabela 2.1 - Coeficientes F1 e F2 (AOKI & VELLOSO, 1975). _________________________ 21

Tabela 2.2 - Coeficientes K e (AOKI & VELLOSO, 1975). ___________________________ 22
Tabela 2.3 - Valores de C em funo do tipo de solo. (DCOURT & QUARESMA 1978). ____ 23
Tabela 2.4 - Parmetros obtidos no ensaio de carga dinmica atravs da anlise pelo mtodo
CASE. ____________________________________________________________________ 34
Tabela 2.5 - Parmetros obtidos no ensaio de carga dinmica atravs da anlise pelo mtodo
CAPWAP. _________________________________________________________________ 35
Tabela 2.6 - Tipologia e caractersticas das RNA utilizadas na previso de capacidade de
carga de estacas. __________________________________________________________ 49
Tabela 3.1 - Parmetros utilizados como entradas das redes neurais. _________________ 51
Tabela 3.2 - Parmetros utilizados como entradas das redes neurais. _________________ 54
Tabela 3.3 Resultado da anlise atravs do mtodo CAPWAP - viaduto do bairro Cidade
Nova - Feira de Santana-Ba (ANDRADE, 2009). ___________________________________ 56
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). ______________ 56
Tabela 3.5 - Provas de carga dinmica em estacas pr-moldadas de concreto - obra de
ampliao da Belgo Bekaert Feira de Santana-Ba - (GEOMEC, 2010). _________________ 57
Tabela 3.6 - Conjunto de Testes utilizado na validao das RNA das estacas hlice-contnua.
________________________________________________________________________ 57
Tabela 4. 1 - Coeficiente de correlao - estacas hlice contnua. ____________________ 59
Tabela 4.2 - Comparao entre os mtodos tradicionais e a RNA - estaca hlice contnua capacidade de carga do fuste. ________________________________________________ 61
Tabela 4.3 - Comparao entre os mtodos tradicionais e a RNA - estaca hlice contnua capacidade de carga da ponta. _______________________________________________ 62
Tabela 4.4 - Comparao entre os mtodos tradicionais e a RNA -estaca hlice contnua capacidade de carga total. ___________________________________________________ 63
Tabela 4.5 - Coeficiente de correlao - estacas pr-moldadas de concreto. ____________ 64
Tabela 4.6 - Comparao entre os mtodos tradicionais e a RNA - estaca pr-moldada de
concreto - capacidade de carga do fuste.________________________________________ 66
Tabela 4.7 - Comparao entre os mtodos tradicionais e a RNA - estaca pr-moldada de
concreto - capacidade de carga da ponta. _______________________________________ 67
Tabela 4.8 - Comparao entre os mtodos tradicionais e a RNA - estaca pr-moldada de
concreto - capacidade de carga total. __________________________________________ 68

Lista de Variveis

Coeficiente angular definido por regresso linear - Van der Veen (1953)

ABNT

Associao brasileira de normas tcnicas

As

rea de seo transversal da estaca

ponto de interseo da reta procurada - Van der Veen (1953)

Coeficiente tabelado que varia com o tipo de solo- mtodo de Dcourt &
Quaresma (1978).

CAPWAP

Case Pile Wave Analysis Program

CASE

Programa desenvolvido pelo Case institute

CLT

Cyclic load test

CPT

ensaio de penetrao de cone

CRP

Constant rate of penetration

Dimetro da estaca

DMX

Mximo Deslocamento medido ao nvel dos sensores

Mdulo de elasticidade do material da estaca

EMX

Mxima Energia Transferida, que passa ao nvel dos sensores

F1 e F2

Coeficientes de Transformao que variam com o tipo de estaca mtodo de

Aoki Veloso (1975)

FMX

Mxima Fora de Compresso originada quando do impacto do martelo,

medido no nvel dos sensores

Hq

Altura de queda do martelo

Hq

Altura de Queda do Martelo

IA

Inteligncia Artificial

Fator de Amortecimento de CASE (depende do tipo de solo entre outros

fatores);

Damping de Case - Fator de Amortecimento Dinmico de Case;

ke

Coeficientes tabelados que variam com o tipo de solo mtodo de Aoki

Veloso (1975)

Comprimento

MLP

Multi Layer perceptron

Resistncia a penetrao

Carga aplicada no ensaio de prova de carga esttica

PDA

Pile Driving Analyzer

Pr

Carga ltima calculada pelo mtodo de Van der Veen (1953)

QAL

Mximo Atrito Lateral Disponvel Capwap

QML

Quick maintaned load test

QP

Mxima Resistncia de Ponta Capwap

Carga de ruptura convencional Mtodo NBR 6122 de Extrapolao.

RMX

Mxima Capacidade de Carga, processada atravs do mtodo CASE;

RNA

Redes neurais Artificiais

RU

Carga ltima Anlise Capwap

SCT

swedish cyclic test

SML

Slow maintained load test

SPT

Standard Penetration Test

SPTF

Nmero de golpes na lateral da estaca (SPT) nas camadas atravessadas pela

estaca

SPTp

Nmero de golpes na ponta da estaca

SPT-T

Standard Penetration Test com medida de torque

Permetro da estaca

WS

Velocidade de onda

Recalque

Recalque de ruptura convencional Mtodo NBR 6122 de Extrapolao.

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

ANEXO B RELATRIOS DE SONDAGEM A PERCUSSO __________________________________ 82

B.1- ESTACAS HLICE CONTNUA _____________________________________________________ 82
B.2- ESTACAS PR-MOLDADAS DE CONCRETO ___________________________________________ 84

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

De acordo com Schnaid (2000) a previso da capacidade de carga das fundaes

profundas calculada na maioria das vezes atravs de mtodos tradicionais como os de Aoki
& Veloso (1975) e Dcourt & Quaresma (1978). Apesar desses mtodos constiturem-se
como ferramentas valiosas engenharia de fundaes, importante reconhecer que, devido a
sua natureza estatstica, a validade desses mtodos est limitada prtica construtiva regional
e s condies especficas dos casos histricos utilizados em seu estabelecimento (SCHNAID,
2000 apud LOBO, 2005). Um exemplo disso foi apresentado por Andrade (2009), que
observou grande disperso nos resultados ao comparar os valores dos ensaios de prova de
carga, realizados nas estacas do viaduto localizado no bairro Cidade Nova no municpio de
Feira de Santana-BA, com os resultados obtidos por diversos mtodos semi-empricos de
predio da capacidade de carga.
Nesse contexto, torna-se necessrio o estudo da aplicao de tcnicas que minimizem
essa disperso provocada por fatores como a prtica construtiva regional. Atendendo a essa
necessidade, essa pesquisa vem propor um mtodo de previso de capacidade de carga, que
utiliza os dados e condies reais de ensaios de prova de carga realizados em todo territrio
nacional e a tcnica das Redes Neurais Artificiais para elaborar equaes de predio da
capacidade de carga para dois tipos de estacas: hlice contnua e pr-moldadas de concreto.

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

1.2.2 Objetivos Especficos

a) Estudar as principais caractersticas das redes neurais artificiais;
b) Estudar os mtodos tradicionais de previso da capacidade de carga de
fundaes profundas;
c) Organizar um banco de dados de ensaio de prova de carga para estacas do tipo
hlice contnua e outro para as pr-moldadas de concreto, a fim de se realizar o treinamento e
o teste das RNA;
d) Coletar e organizar resultados de ensaios de provas de carga em estacas hlice
contnua e pr-moldadas de concreto realizados na cidade de Feira de Santana;
e) Comparar os resultados obtidos atravs das redes neurais com os mtodos
tradicionais de Aoki & Veloso (1975) e Dcourt & Quaresma (1978).
1.3 ESTRTEGIA METODOLGICA

a) Elaborao da reviso bibliogrfica com base em trabalhos e publicaes

nacionais e internacionais;
b) Levantamento e anlise dos dados de ensaios de prova de carga realizadas em
todo Brasil;
c) Tratamento dos dados de prova de carga a serem utilizados no treinamento e teste
das RNA;
d) Definio da arquitetura da rede neural com o maior coeficiente de correlao
possvel em relao aos dados de prova de carga;
e) Treinamento das rede neurais;
f) Obter equaes que faam a previso da capacidade de carga da ponta, fuste e
total para os dois tipos de estacas estudadas;
g) Testar as equaes obtidas com os dados extrados dos dois bancos de dados e
atravs dos dados coletados em ensaios de prova de carga realizados na cidade de Feira de
Santana-Ba;
h) Comparar os resultados obtidos com os mtodos tradicionais de previso de
capacidade de carga.

14

1.4 ESTRUTURA DA MONOGRAFIA

CAPITULO 1 Apresenta a introduo, a justificativa para escolha do tema, os

objetivos e o escopo desse trabalho.
CAPITULO 2 Esse capitulo apresenta uma reviso bibliogrfica sobre geotecnia
descrevendo o ensaio de sondagem a percusso, mtodos tradicionais de predio de
capacidade de carga, ensaios de prova de carga dinmica e esttica e os principais mtodos de
extrapolao da curva carga x recalque. A segunda parte desse capitulo, faz uma breve
abordagem sobre redes neurais artificiais mostrando seus conceitos, algoritmos, assim como
sua capacidade de aprendizado e de aplicao em engenharia geotcnica.
CAPTULO 3 Esse capitulo descreve os procedimentos adotados para tratamento
dos dados de prova de carga que foram utilizados no treinamento e teste das RNA. A segunda
parte do capitulo, apresenta a metodologia adotada para definio das redes e equaes que
iro fazer a previso da capacidade de carga das estacas hlice contnuas e pr-moldadas de
concreto.
CAPTULO 4 Apresenta o critrio utilizado para escolha das melhores RNA e a
anlise comparativa entre os ensaios de prova de carga, mtodos tradicionais de previso de
capacidade carga, e os valores estimados pela Rede Neural Artificial.
CAPTULO 5 Concluses gerais, mostrando as principais concluses do trabalho
com relao a utilizao de redes neurais artificiais na predio da capacidade de carga de
fundaes profundas.

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,

permeabilidade, colapsibilidade e expansibilidade).

Os ensaios geofsicos.
O ensaio de Sondagem a trado.
O Standard Penetration Test- SPT.
16

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

necessrios cravao dos 30cm finais do amostrador. No decorrer do ensaio, amostras de

solo so recolhidas e acondicionadas devidamente (FONTELES, 2003,p.8)

Figura 2. 1 - Amostrador padro para o ensaio de SPT (NBR 6484/2001)

Para iniciar uma sondagem a percusso monta-se sobre o terreno um cavalete
chamado de forma incorreta de trip, um conjunto de roldanas e uma corda. Este conjunto
trip, roldana que iro auxiliar no manuseio dos componentes da haste, e na movimentao
do martelo.

Figura 2. 2 - Conjunto para execuo da sondagem a Percusso (SCHNAID, 2000)

Algumas empresas esto complementando o ensaio de SPT com a medida do torque

(SPT-T) e a partir dessa informao adicional pode-se obter um parmetro geotcnico
indicativo da adesividade do solo. De acordo com Quaresma et al. (1998), h uma tendncia
de substituio do SPT pelo SPT-T, devido ao maior nmero de parmetros obtidos.
18

2.1.3 Mtodos de previso capacidade de Carga de Fundaes Profundas

Segundo a NBR 6122 (1996) a carga admissvel de uma estaca isolada a fora que,
aplicada sobre essa, provoca apenas recalques compatveis com a construo oferecendo
simultaneamente segurana satisfatria contra a ruptura do solo e contra a ruptura do
elemento de fundao.
De acordo com Reese et al.(2006) apud Andros (2009), a capacidade de carga de
uma fundao profunda definida como a soma das cargas mximas que podem ser
suportadas pelo atrito lateral e pela ponta do elemento isolado de fundao
A determinao da capacidade de carga de um elemento isolado de fundao pode
ser feita atravs de mtodos tericos, semi-empricos, e por meio de provas de carga
dinmicas e estticas.
O mtodo terico foi estudado por Terzaghi (1943) e, mais tarde por Meyerhoff
(1951) e vrios outros autores segundo Barata (1984).
A teoria proposta por Terzaghi (1943), diz que a ruptura acontece quando a
resistncia ao cisalhamento vencida ao longo do fuste da estaca (segmento Df), com um
conseqente levantamento da superfcie do terreno em torno do elemento isolado de fundao
(segmento ae), como ilustra a Figura 2.3 .

Figura 2.3 Soluo de Terzaghi (BARATA,1984).

19

Segundo Alonso (1996) os mtodos tericos como o de Terzaghi (1943), no

conduzem a resultados satisfatrios.
Dcourt (1998) e Hachich et al. (1998) afirmam que os mtodos semi-empricos,
descritos a seguir, definem correlaes atravs de ajustes estatsticos que levam em conta os
princpios definidos nos mtodos tericos e/ou empricos, por isso apresentam boas
probabilidades de acerto.
Albiero & Cintra (1996) escrevem que os ensaios de prova de carga se constituem a
forma mais confivel de se determinar o valor da carga ltima de uma fundao profunda.
Essa confiabilidade dos ensaios de prova de carga tambm comprovada pela NBR 6122/96
que admite uma reduo do fator de segurana de 2 para 1,6 quando a obra dispe de um
nmero adequado de provas de cargas e os elementos ensaiados so representativos do
conjunto da fundao.
Devido a sua comprovada preciso e a confiabilidade dos resultados obtidos, sero
detalhados na reviso bibliogrfica e utilizados na metodologia desse trabalho apenas os
mtodos semi-empricos e os ensaios de prova de carga dinmica e esttica.
2.1.4 Mtodos Semi-Empricos de Previso da Capacidade de Carga
Os mtodos semi-empricos so desenvolvidos com o objetivo de correlacionar as
dimenses do elemento isolado de fundao e os parmetros do solo de cada regio com os
mtodos de prova de carga, gerando atravs de anlise estatstica, equaes que so capazes
de prever a capacidade de suporte de uma fundao profunda.
No Brasil, os mtodos de Aoki & Velloso (1975) e Dcourt & Quaresma (1978)
tambm chamados de mtodos tradicionais, destacam-se entre os mais utilizados no
dimensionamento de fundaes profundas. O terceiro mtodo abordado da UFRS, proposto
por Lobo (2005) a ser utilizado como base metodolgica para este trabalho.
2.1.4.1 Aoki-Veloso (1975)

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.

Adotando um coeficiente de segurana igual a 2 como indica a NBR 6122 (ABNT,

1996), assim a carga admissvel (Qadm) dada por:

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).

Tabela 2.1 - Coeficientes F1 e F2 (AOKI & VELLOSO, 1975).

Tipo de Estaca
F1
F2
Franki
2,5
5
Pr- moldada
1,75
3,5
Metlica
1,75
3,5
Escavada com lama
3
6

21

Tabela 2.2 - Coeficientes K e (AOKI & VELLOSO, 1975).

Tipo de Solo
K (Kpa)
(%)
Areia
1000
1,4
Areia Siltosa
800
2
Areia Silto-Argilosa
700
2,4
Areia Argilosa
600
3
Areia Argilo-Siltosa
500
2,8
Silte
400
3
Silte Arenoso
550
2,2
Silte Areno-Argiloso
450
2,8
Silte Argiloso
230
3,4
Site Argilo-Arenoso
250
3
Argila
200
6
Argila Arenosa
350
2,4
Argila Areno-Siltosa
300
2,8
Argila Siltosa
220
4
Argila Silto-Arenosa
330
3
Segundo Velloso & Alonso (2000), o mtodo de Aoki & Veloso foi apresentado h
mais de 30 anos e desenvolvido para uma determinada regio geotcnica, devendo ser
utilizado com cautela em outras regies com o objetivo de se obter resultados mais confiveis.
Alm disso, o mtodo foi originalmente desenvolvido para as estacas tipo Franki, prmoldadas e metlicas, posteriormente expandido para estacas escavadas com lama
bentontica.

2.1.4.2 Dcourt & Quaresma (1978)

De acordo com Lobo (2005), esse mtodo utiliza os valores obtidos no ensaio de SPT
para estimar a capacidade de carga de uma fundao profunda. Originalmente desenvolvido
para estacas pr-moldadas de concreto e mais tarde estendido a estacas escavadas, hlice
contnua e injetadas por Dcourt (1996).
Nesse contexto, a capacidade de carga da estaca o resultado da soma das parcelas
do atrito lateral e de ponta:

Onde:

22

As= rea de seo transversal da estaca;

C = Coeficiente tabelado que varia com o tipo de solo (Tabela 2.3);
U= Permetro da estaca;
SPTp= SPT mdio da ponta da estaca;
SPTF= SPT mdio ao longo do fuste da estaca;
l= Comprimento da estaca

Tabela 2.3 - Valores de C em funo do tipo

de solo. (DCOURT & QUARESMA 1978).
Tipo de Solo
Argila
Siltes argilosos
Siltes arenosos
Areias

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

2.1.5 Ensaios de Prova de Carga

Os ensaios de prova de carga tm como objetivo avaliar o comportamento mecnico
das fundaes profundas depois de executadas, garantindo o controle de qualidade e o bom
funcionamento das mesmas. As normas brasileiras que regulamentam os ensaios de prova de
carga em fundaes profundas so:
Estacas prova de carga esttica NBR 12131 (ABNT, 2006).
Estacas ensaio de carregamento dinmico NBR 13208 (ABNT, 2007).

2.1.5.1 Ensaio de Prova de Carga Esttica

Segundo Fo (2001) o ensaio de carregamento esttico possui uma metodologia j
bem definida. O seu principal objetivo de conhecer o comportamento da fundao, para
nveis de cargas crescentes, at um certo limite de carga ou completa ruptura do sistema
estaca-solo.
Nesse ensaio a estaca ensaiada de forma incremental, e seu deslocamento na
direo vertical monitorado atravs de intervalos de tempo previamente definidos. A NBR
12131, (ABNT, 2006) permite que os esforos aplicados aos elementos isolados sejam axiais,
de trao, compresso ou transversais.
O dispositivo de aplicao de carga constitudo por macaco hidrulico alimentado
por bombas, atuando contra um sistema de reao NBR 12131 (ABNT, 2006).
Essa mesma norma tcnica recomenda que a medio dos deslocamentos verticais
deve ser feita atravs de quatro deflectmetros mecnicos instalados em dois eixos ortogonais,
sendo que esses medidores devem ficar apoiados ou fixados em uma viga de referncia do
topo da estaca.
De acordo com Soares (2002) existem trs tipos possveis de montagem para o
sistema de reao constitudo de uma viga metlica de reao fixada ao solo por meio de
tirantes (Figura 2.4), cargueiras (Figuras 2.5) ou estacas de apoio (Figuras 2.6).

24

Figura 2. 4 - Sistema de Reao com Tirantes (HACHICH et al.,1998; apud SOARES,

2002)

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)
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

A estabilizao dos deslocamentos ocorre quando em duas leituras consecutivas o

recalque no exceder 5 % do recalque total observado no mesmo estgio de carregamento
NBR 12131(ABNT, 2006).
De acordo com a NBR 6122 (ABNT, 1996) a capacidade de carga de estaca ou
tubulo de prova deve ser considerada definida quando ocorrer ruptura ntida, entretanto o
carregamento da estaca ou tubulo de prova pode no indicar uma carga de ruptura ntida. Isto
ocorre quando no se pretende levar a estaca ou o tubulo ruptura ou a estaca ou tubulo
tem capacidade de resistir a uma carga maior o que aquela que se pode aplicar na prova (por
exemplo, por limitao de reao), ou quando a estaca carregada at apresentar um recalque
considervel, mas a curva carga-recalque no indica uma carga de ruptura, mas um
crescimento contnuo do recalque com a carga.
Nos dois primeiros casos, deve-se extrapolar a curva carga-recalque para se avaliar a
carga de ruptura, o que deve ser feito por critrios consagrados na Mecnica dos Solos sobre
uma curva de primeiro carregamento. No terceiro caso, a carga de ruptura pode ser
convencionada como aquela que corresponde, na curva carga x deslocamento como, a um
dado recalque calculado pelo mtodo da NBR 6122/1996 apresentando abaixo.
A Seguir sero apresentados o mtodos de Van der Ven (1953) que o mais utlizado
no Brasil na extrapolao da curva carga x recalque de acordo com Cintra & Aoki (1999) e da
NBR 6122 (ABNT, 1996) recomendado fundaes profundas carregadas at apresentarem um
recalque considervel.
2.1.5.1.1 Mtodo De Van Der Veen (1953)

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.

Figura 2.8 - Curva Carga x Recalque de Van Der Veen (1953)

.
2.1.5.1.2 Mtodo Abnt Nbr 6122
Esse mtodo utilizado quando o elemento de fundao carregado at apresentar
um recalque considervel, mas a carga x recalque no indica ruptura:

= Recalque de ruptura convencional

R = Carga de ruptura convencional
l = Comprimento da estaca
As = rea da seo transversal da estaca
E = Mdulo de elasticidade do material da estaca
D = Dimetro do circulo circunscrito a estaca.
29

Figura 2.9 - Carga de Ruptura Convencional NBR 6122 (ABNT, 1996)

De acordo com Dyminski (2000) a realizao de uma prova de carga esttica
dispendiosa, pois necessita da montagem de todo um aparato de estacas de reao que devem
ser construdas no local da obra e equipamentos de aplicao de carga (viga, macaco
hidrulico e outros), que so equipamentos pesados e volumosos. Se a estaca a ser testada for
de grande porte e conseqentemente receber grandes carregamentos, este problema fica ainda
mais agravado e o ensaio que j considerado demorado poder demandar semanas.
Nesse contexto, o ensaio de prova de carga dinmica torna-se uma tima alternativa
para avaliar a capacidade de suporte de um elemento de fundao isolado.

2.1.5.2 Ensaio de prova de carga dinmica

De acordo com Niyama et al. (1996) a prova de carga dinmica de um elemento de
fundao, em geral uma estaca, um ensaio em que se aplica um carregamento dinmico
axial com o objetivo de obter principalmente uma avaliao de sua capacidade de carga, com
a utilizao de uma instrumentao adequada e da aplicao da teoria de equao da onda.
O ensaio de carregamento dinmico pode ser realizado de forma tradicional quando a
energia do impacto mantida constante, ou seja, a altura de queda do martelo mantida
30

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.

Figura 2.10 - Curva RMX x DMX (GEOMEC, 2010)

A prova de carga dinmica um ensaio em que, um carregamento dinmico axial
provocado pela queda de um martelo convencional de cravao de estacas ou dispositivo
similar que tenha massa suficiente para mobilizar a resistncia das camadas do solo
atravessadas pela estaca. Esse procedimento visa estimar a capacidade de carga esttica do
sistema estaca-solo e a anlise desse processo feita com base nos fundamentos da teoria da
equao da onda, aplicada cravao ou recravao de uma estaca.
A teoria da equao da onda pode ser representada por modelos matemticos
complexos, entretanto esse trabalho busca apresentar apenas os aspectos mais importantes,
ressaltando as aplicaes de teorias e conhecimentos envolvidos sobre o assunto (NIYAMA et
al, 1996). Segundo esse mesmo autor, no processo de cravao de uma estaca, sua parte
superior comprimida e as partculas do material da estaca so aceleradas, gerando uma onda
de compresso que se propaga com uma velocidade c, que depende do material da estaca
ensaida.

31

De acordo Andraos (2009), pode-se considerar o equilbrio dinmico de um

segmento da estaca em qualquer instante e as leis bsicas de Newton e Hook para se chegar a
soluo conhecida como equao geral da onda.
u(x, t) = f (x ct) + g(x + ct) = u + +u

(2.7)

As setas representam o sentido de deslocamento das ondas f e g que apesar de

possurem a mesma velocidade deslocam-se em sentidos contrrios. Nesse contexto, o
entendimento do fenmeno de reflexo de ondas no interior da estaca torna-se muito
importante, pois no instante do impacto entre o martelo e a estaca so geradas ondas
compressivas que iro se propagar ao longo do fuste e sero refletidas ao encontrar a ponta da
estaca. A resistncia da ponta da estaca pode ser nula (estaca flutuante) e gerar uma onda
ascendente de trao ou a ponta pode estar engastada gerando uma onda ascende de
compresso.

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

diametralmente opostas no topo da estaca, a fim de diminuir os efeitos de excentricidade ou

flexo durante o golpe de martelo.
Os transdutores de acelerao so equipamentos de aquisio de dados que podem
ser instalados sozinhos ou aos pares no topo da estaca a fim de medir a acelerao da onda
mecnica que se propaga ao longo do fuste, na figura 2.12 pode ser observado um transdutor
de deformao e outro de acelerao afixados no topo de uma estaca.

Figura 2.12 - A esquerda um transdutor de acelerao e direita o de deformao

(FO,2001).
2.1.5.2.3 Registro e Processamento

Os instrumentos de aquisio de dados (transdutores) transmitem as informaes

atravs de cabos de conexo ao PDA (Pile Driving Analyzer) que responsvel por converter
esses sinais obtidos pelos transdutores em fora e velocidade mdias, para posteriormente
serem processados pelos programas computacionais CASE e/ou CAPWAP (Case Pile Wave
Analysis Program), como ser visto a seguir.

33

Figura 2.13 Equipamento PDA (DYMINSKI, 2000).

2.1.5.2.4 Anlise e Interpretao

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

Mxima Capacidade de Carga, processada atravs do mtodo CASE;

DMX

Mximo Deslocamento medido ao nvel dos sensores;

EMX

Mxima Energia Transferida, que passa ao nvel dos sensores;

FMX

Mxima Fora de Compresso originada quando do impacto do martelo, medido no nvel dos sensores;

J
Hq

Fator de Amortecimento de CASE (depende do tipo de solo entre outros fatores);

Altura de queda do martelo.

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

Damping de Case - Fator de Amortecimento Dinmico de Case;

RU

Carga ltima Anlise Capwap;

QAL

Mximo Atrito Lateral Disponvel Capwap;

QP

Mxima Resistncia de Ponta Capwap;

Hq

Altura de Queda do Martelo;

WS

Velocidade de onda.

2.1.6 Fundaes Profundas em Estacas Pr-moldadas e Hlice Contnua

Segundo Joppert (2007) as estacas so elementos esbeltos, implantados no solo por
percusso ou via perfurao do solo com posterior concretagem. Podendo assim, serem
classificadas como estacas cravadas e estacas escavadas.
Como exemplo de estacas cravadas ou de deslocamento, tem-se as pr-moldadas de
concreto, que tem se mostrado uma tima opo de fundao devido ao seu severo controle de
qualidade de fabricao e cravao. Esse tipo de estaca pode ser fabricada em concreto
armado ou protendido e sua seo pode assumir diversas formas geomtricas. Seu
comprimento varia entre 4 e 12 metros, mas quando existe a necessidade de comprimentos
maiores que 12 metros, as estacas podem ser emendadas, desde que sejam observadas as
recomendaes da NBR 6122/1996.
As estacas pr-moldadas de concreto so cravadas no solo por um martelo. Este
deve possuir energia suficiente para implantar a estaca no solo com o comprimento desejado
ou at que ela atinja terreno impenetrvel a cravao. Para que isso ocorra, o martelo deve
possuir peso igual ou maior ao peso da estaca a ser cravada (JOPPERT, 2007).
Um exemplo de estaca escavada a hlice continua. O sistema hlice continua
consiste em perfurar o terreno com uma hlice de comprimento maior ou igual ao da estaca a
ser construda. A haste de perfurao composta por uma hlice espiral que dotada de um

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.

Figura 2.14- Perfurao do terreno pela hlice espiral (ANDRADE,2009)

36

2.2 REDES NEURAIS

Este item apresenta uma breve reviso bibliogrfica sobre redes neurais artificiais ou
simplesmente RNA. Por ser um assunto amplo, foi imprescindvel focar esse estudo apenas
nos aspectos que sero utilizados nessa pesquisa.

2.2.1 Conceito de Redes Neurais

Segundo Haykin (2001), uma rede neural artificial, ou simplesmente RNA, um

processador macio distribudo de forma paralela constitudo de unidades de processamento
simples, que tm a propenso natural para armazenar conhecimento experimental e torn-lo
disponvel para uso. As RNA devem ser capazes de realizar trs tarefas: a) armazenar
conhecimento; b) aplicar o conhecimento armazenado para resolver problemas; c) adquirir
novos conhecimentos atravs de experincia.
Uma RNA um sistema de processamento de informao que possui algumas
caractersticas de desempenho em comum com as redes neurais biolgicas. Os modelos
artificiais tm como principal fonte de inspirao as redes neurais biolgicas. A Figura 2.15
apresenta um modelo de neurnio biolgico com a seqncia de propagao dos sinais pela
clula (CASTRO, 1998).

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

Figura 2.16 - Modelo no-linear de um neurnio (HAYKIN, 2001).

O modelo neural da Figura 2.16 inclui tambm um bias aplicado externamente,
representado por bk. O bias tm o efeito de aumentar ou diminuir a entrada liquida da funo
de ativao, dependendo se este positivo ou negativo respectivamente (HAYKIN, 2001).
Alm disso, o bias possibilita que a rede possa considerar valores no relacionados entre os
parmetros de entrada.
2.2.3 Funes de ativao
A funo de ativao tambm chamada de squashing function, visa limitar os
sinais de entrada a um determinado intervalo, normalmente entre 0 e 1 ou -1 e 1 (DYMINSKI,
2000). A squashing function capaz de assumir diversas formas, podendo ser linear,
sigmoidal, tangente hiperblica, entre outras. A figura 2.17 apresenta os grficos das trs
principais funes de ativao, as equaes que regulam essas funes e o intervalo de valores
de sua imagem.

39

Figura 2.17- Representao das principais funes de transferncia usadas atualmente

(SANTOS JR, 2006).

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

2.2.5 Rede Neural e sua Arquitetura

De acordo com Braga et al. (2000), os paramtros que definem uma RNA so:
nmero de camadas de rede, nmero de ns em cada camada, tipo de conexo entre os nodos
e a topologia da rede.
Segundo Santos (2006), no existe uma regra bem definida para a definio do
nmero de camadas numa RNA. Aconselha-se a definio de uma srie de arquiteturas de
acordo com nmero de dados de entrada e sada. Essas diferentes topologias devero ser
treinadas e testadas. Aps esses treinamentos e testes, utiliza-se a rede que se ajustou melhor
aos dados, gerando os menores erros tanto na fase de testes quanto de treinamento.
Hecht-Nielsen (1987) baseados no teorema de Kolmogorov (1957) props a seguinte
regra para auxiliar na definio da arquitetura de uma RNA: uma rede neural de trs
camadas, com n neurnios na camada de entrada, poder ter 2n+1 neurnios na camada
intermediria ou oculta. As redes com essa arquitetura podem ser utilizadas para resolver
com sucesso problemas com caractersticas no lineares.
A arquitetura definida nesse trabalho foi aprimorada a partir da comparao desse
estudo com outras aplicaes bem sucedidas de RNA, na rea da engenharia geotcnica. A
figura 2.18 apresenta alguns exemplos de arquiteturas de redes neurais.

41

Figura 2.18 Exemplos de arquiteturas de Redes Neurais Artificiais (BRAGA et al 2000).

Alm disso, Braga et al. (2000) classificam as RNA de acordo com o nmero de
camadas, tipos de conexes dos ns e sua conectividade:
Nmero de camadas:
o redes de camada nica: Existe um nico n entre a entrada e a sada da rede
(Figura 2.18 a, e).
o de mltiplas camadas (MLP): Existe mais de um neurnio entre as camadas de
entradas e sadas da rede (Figura 2.18 b, c, d).

42

 Tipo de conexes dos Nodos:

o feedforward, ou acclica: A sada de um neurnio no pode ser utilizada como
entrada de nodos em camadas de ndice menor ou igual a (Figura 2.18 a, b, c);
o feedback ou cclica: A sada de um neurnio qualquer localizado na camada
usada como entrada de nodos em camadas de ndice menor ou igual a (Figura
2.18 d, e).
Tipo de conectividade:
o rede fracamente (ou parcialmente) conectada (Figura 2.18 b, c, d).
o rede completamente conectada (Figura 2.18 a, e).
2.2.6 Treinamento
Depois de coletar e selecionar os dados, deve-se dividi-los de forma que uma parte
desses seja utilizada para o treinamento da rede, e outra parte para o teste. Haykin (2001) e
Braga et al. (2000) recomendam a diviso de cerca de 70 a 90% para o treinamento e o
restante para a validao.
De acordo Dyminski (2000), o treinamento consiste na apresentao dos exemplos
do conjunto de treinamento ao sistema. A rede processar os parmetros de entrada relativos a
estes exemplos atravs da multiplicao dos mesmos pelos pesos sinpticos e da posterior
aplicao destes valores s funes de ativao dos neurnios, fornecendo ento as respostas
(sadas da rede) a este estmulo. Estas sadas das RNA devero ser comparadas com os
valores reais dos parmetros de sada correspondentes aos exemplos do conjunto de
treinamento, e desta comparao ser obtido um valor de erro da fase de treinamento.
Procura-se ento ajustar os valores dos pesos sinpticos, atravs de um algoritmo matemtico,
visando a diminuio do erro de treinamento.
Haykin (2001) afirma que existem diversos algoritmos para se treinar RNA, sendo os
mais comumente utilizados o de error back-propagation (retro-propagao do erro) e o de
Levenberg-Marquardt (tambm abreviado por LM), que uma variao do algoritmo de retropropagao.

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

definido pela equao a seguir, caso a camada

seja intermediria utiliza-se a equao subsequente:

(2.8)
Onde y sada obtida pela rede e z a sada desejada.

(2.9)
Onde:
= peso

entre o neurnio calculado e o neurnio da camada posterior,

= erro referente a cada neurnio da camada posterior.

Aps o clculo dos erros necessrio corrigir os pesos das ligaes entre os
neurnios. O clculo de correo do peso dado pela equao a seguir:

(2.10)
Onde:
=peso da conexo;
= taxa de aprendizagem;
= erro relativo calculado para determinado neurnio ;
= derivada da funo de transferncia.
44

A Figura 2.19 sintetiza o processo de treinamento com o algoritmo Back-propagation.

a) as entradas x1, x2,...,x n do banco de dados so apresentadas a rede

b) As entradas so multiplicadas pelos pesos e posteriormente somadas. Por fim

aplicada uma funo de ativao que ir fornecer sadas para as entradas apresentadas em
cada neurnio.

c) As entradas fornecidas pela rede so comparadas com os valores reais do banco de

dados permitindo o clculo do erro.

45

d) O erro obtido na camada de sada retro-propagado at a entrada.

e) Atravs da equao 2.10, os pesos so corrigidos.

e) Os pesos corrigidos chegam a camada de sada onde reiniciada a retro-propagao.

Figura 2.19 - Processo de treinamento atravs do algoritmo back-propagation

(SOUSA, 2008).

46

Segundo Braga et al (2000), o

algoritmo back-propagation utiliza a primeira

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

2.1.7 RNA na Engenharia Geotcnica

As redes neurais tm sido aplicadas com sucesso em praticamente todos os
problemas de engenharia geotcnica. Caractersticas particulares de uma srie de dados
podem ser aprendidas por uma RNA, possibilitando assim, a realizao de previses.
De acordo com Jaksa (2008), as RNA tm demonstrado desempenho preditivo
satisfatrio na rea geotcnica, apesar de seus materiais apresentarem variaes extremas de
comportamento. De acordo com Jaksa (2008), as RNA tm sido aplicadas em diversas reas
da geotecnia entre estas: jateamento, barragens, estruturas de conteno de terra, geotecnia
ambiental, fundaes em estacas, mecnica das rochas, ensaios de caracterizao, fundaes
rasas, comportamento e propriedades do solo, tneis e aberturas subterrneas.
No Brasil, as RNA tm sido utilizadas com sucesso na rea de geotecnia. Dyminski
(2000) as utilizou em trs aplicaes diferentes: na primeira, foram simulados os resultados de
prova de carga dinmica, analisadas pelo CAPWAP viabilizando uma pr-anlise do
comportamento da estaca ainda em campo. na segunda, foi analisado o comportamento
mecnico de dois tipos de solo: a areia de ipanema e o solo residual gnissico do Rio de
Janeiro. Para tal, foram utilizados resultados de ensaios de cisalhamento direto, submersos e
no submersos, e ensaios de compresso triaxial, drenados e no drenados. Por ltimo, a
pesquisadora simulou atravs de informaes obtidas no boletim de sondagem a percusso, o
comportamento do subsolo da usina angra 2, localizada no litoral do Rio de Janeiro.
Santos JR. (2006) analisou os efeitos da escavao nas linhas 1 e 2 do metr de So
Paulo atravs de RNA. Viana (2007) desenvolveu RNA para relacionar o mdulo de
resilincia com as propriedades do solo e Lisboa (1998) utilizou essa tcnica para obter a
capacidade de carga de fundaes submetidas a esforos de trao.
Teh et al. (1997), Kiefa (1998), Dyminski (2000) e Lee and Lee (1996) utilizaram
redes neurais como instrumento de predio da capacidade de carga de fundaes profundas.
A tabela 2.6 apresenta as principais caractersticas dessas RNA.

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)

Lee and Lee (1996)

28

Parmetros de entrada e sada

Entrada Ocultas Sada

Backpropagation

200

15

40

59

LevenbergMarquardt

4a7

1 a 15

Backpropagation

30 10

General
regression
neural networks

Abu-Kiefa (1998)

Nmero de neurnios
nas camadas

Foram utilizados 200 parmetros de entrada (coordenadas de fora e

velocidade no tempo de aquisio de dados) e como sadas,
capacidade de carga do fuste e da ponta e em alguns casos s a
capacidade de carga total.
Como entrada adota os ngulos de atrito do solo de ponta e fuste,
caractersticas geomtricas da estaca e tenso limite do solo e como
sadas, capacidade de carga do fuste e da ponta.
Nesse segundo caso ele apresenta apenas a capacidade carga total
como sada.
Foram utilizados parmetros relacionados a geometria da estaca, ao
ensaio de carga dinmica de SPT, totalizando 7 entradas diferentes
que foram organizadas em 9 conjuntos diferentes e como sadas da
capacidade de carga total da estaca.
Utilizou-se na entrada a relao profundidade de penetrao, a tenso
normal mdia e o nmero de golpes SPT, e a sada apresenta apenas a
capacidade de carga total das estacas

3. METODOLOGIA

3.1 LEVANTAMENTO DOS DADOS

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.

3.2 TRATAMENTO DOS DADOS

Com base nos resultados satisfatrios obtidos em outras pesquisas como mostrado no
capitulo 2 (tabela 2.6) que utilizaram as RNA como instrumento de predio da capacidade de
carga das estacas, foi possvel determinar os parmetros a serem utilizados como entradas das
RNA que vo se correlacionar com as sadas: Resistncia de ponta QP, de fuste QF e total
QT, como mostra a tabela 3.1.
50

Tabela 3.1 - Parmetros utilizados como entradas das redes neurais.

Sigla

Parmetro

As

rea da seo transversal da estaca (m2).

LE

Comprimento da estaca (m).

SPTP

Nmero de golpes do amostrador SPT na profundidade correspondente ponta da estaca.

SPTF

Nmero mdio de golpes do amostrador SPT ao longo do fuste da estaca.

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.

Prova de Carga - Estaca 1

Carga (kN)
0

250

500

750

1000

1250

1500

1750

2000

Recalque (mm)

0
5
10
15

Ruptura - NBR 6122

fck(MPa) =
20
E (Mpa) = 25043,961
D (mm) =
350
A (m) = 0,0962120
L (m) =
11,55
r mm)
P (kN)
11,67
0,00
13,58
400,00

20
25
Ruptura (NBR 6122)

Prova de Carga

a)

Prova de Carga - Estaca 1

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 Ruptura = 1700 kN

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

Ruptura (NBR 6122)

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

Prova de Carga - Estaca 1

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

Ruptura (NBR 6122)

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

3.3 REDES NEURAIS UTILIZADAS

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.

Tabela 3.2 - Parmetros utilizados

como entradas das redes neurais.
Rede

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:

Trs redes capazes de calcular a resistncia de ponta;

Trs redes capazes de obter a resistncia de fuste

Duas redes aptas para obter a resistncia total.

As redes utilizadas nesse estudo foram do tipo MLP (multicamadas), treinadas com o

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

Tabela 3.5 - Provas de carga dinmica em estacas pr-moldadas de concreto - obra de

ampliao da Belgo Bekaert Feira de Santana-Ba - (GEOMEC, 2010).
ESTACAS

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)

So Jos dos Pinhais, PR

Alonso (2000)

So Jos dos Pinhais, PR

Alonso (2000)

So Jos dos Pinhais, PR

Alonso (2000)

So Jos dos Pinhais, PR

Alonso (2000)

Manaus, AM

Alonso (2000)

Camaari, BA

Alonso (2000)

Camaari, BA

Alonso (2000)

Camaari, BA

Alonso (2000)

Camaari, BA

Alonso (2000)

Jacare, SP

Andrade (2009) Feira de Santana, BA

Andrade (2009) Feira de Santana, BA
Andrade (2009)

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_)

So Jos dos Campos, SP

Scac (200_)

Angra dos Reis, RJ

Scac (200_)

Santa Cruz, RJ

Scac (200_)

Av. dos Automobilistas, SP

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_)

Av. dos Automobilistas, SP

Scac (200_)

Santa Cruz, RJ

Tecnosolo (200_) Curitiba, PR

Tecnosolo (200_) Curitiba, PR
Tecnosolo (200_) Curitiba, PR
Tecnosolo (200_)
Geomec (2010)

Curitiba, PR
Feira de Santana, BA

Geomec (2010)

Feira de Santana, BA

Geomec (2010)

Feira de Santana, BA

58

4. RESULTADOS E DISCUSSES

4.1 ESTACAS HLICE CONTNUA

Para a previso da capacidade de carga da ponta foi escolhida a RNA1 com um

neurnio na camada oculta, que apresentou um coeficiente de correlao de 0,555. Apesar da
RNA1 com dez, RNA3 com cinco e a RNA5 com oito neurnios na camada oculta,
apresentarem um coeficiente de Pearson ligeiramente superior, essa rede foi escolhida devido
ao menor nmero de neurnios na camada oculta. A previso da capacidade de carga do fuste
foi obtida subtraindo a resistncia total da resistncia de ponta. Esse critrio foi utilizado, pois
os valores calculados para a relao com a prova de carga esttica para as redes RNA3 e
RNA5 na fase de comparao direta com os mtodos semi-empricos foram distantes do
valor unitrio. Para prever a capacidade de carga total foi utilizada a rede RNA4 com dois
neurnios na camada oculta e coeficiente de correlao igual a 0,810. A tabela 4.1 apresenta o
coeficiente de Pearson das RNA testadas para as estacas hlice contnua e em destaque as so
mostradas as redes escolhidas para a elaborao das equaes.

Tabela 4. 1 - Coeficiente de correlao - estacas hlice contnua.

RNA1
RNA2
Nmero de
Coeficiente Coeficiente de
Neurnios da
de correlao correlao
camada oculta
Ponta
Fuste

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

a) RNA1: predio da capacidade de carga da ponta

b) RNA4: Predio da capacidade de carga total

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=

A capacidade de carga suportada pelo fuste da estaca a resistncia total subtrada da

resistncia de ponta:
(4.3)

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.

Capacidade de Carga (KN)

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

So Jos dos Pinhais, PR

474

0,95

409

0,82

574

1,15

500

So Jos dos Pinhais, PR

365

1,02

185

0,51

339

0,94

360

So Jos dos Pinhais, PR

715

1,19

431

0,72

1051

1,75

600

So Jos dos Pinhais, PR

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

Comparando inicialmente os resultados apresentados para capacidade de carga do

fuste, alcanou-se para a rede neural um coeficiente de correlao de 0,55 contra 0,15 do
mtodo de Aoki & Veloso (1975) e 0,28 de Dcourt & Quaresma (1978). Das Catorze estacas
calculadas atravs das RNA, doze tiveram relao com a prova de carga mais prxima do
valor unitrio que o mtodo de Aoki & Veloso (1975) e nove apresentaram relao mais
prxima da unidade que o mtodo de Dcourt & Quaresma (1978).

61

Coeficiente de Correlao

0,55

Capacidade de Carga (KN)

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

So Jos dos Pinhais, PR

701,7

0,58

1675

1,4

553

0,46

1200

So Jos dos Pinhais, PR

464,6

1,79

369

1,42

150

0,58

260

So Jos dos Pinhais, PR

908,8

0,77

401

0,34

128

0,11

1180

So Jos dos Pinhais, PR

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

Fazendo a comparao dos resultados obtidos para a capacidade de carga da ponta,

obteve-se para a rede neural um coeficiente de correlao de 0,55 contra 0,56 do mtodo de
Aoki & Veloso (1975) e 0,50 de Dcourt & Quaresma (1978). Das catorze estacas calculadas
atravs das RNA, nove apresentaram relao com a prova de carga mais prxima do valor
unitrio que o mtodo de Aoki & Veloso (1975) e nove tiveram relao mais prxima da
unidade que o mtodo de Dcourt & Quaresma (1978).

62

RNA4

REDE/MTODO
o

Total

0,70

Total

Total

RELAO
PROVA DE
CARGA

Capacidade de Carga (KN)

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

So Jos dos Pinhais, PR

1176

0,69

2085

1,23

1127

0,66

1700

So Jos dos Pinhais, PR

830

1,34

554

0,89

489

0,79

620

So Jos dos Pinhais, PR

1624

0,91

832

0,47

1179

0,66

1780

So Jos dos Pinhais, PR

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

Para a capacidade de carga total, a rede neural apresentou coeficiente de correlao

de 0,81 contra 0,56 do mtodo de Aoki & Veloso (1975) e 0,70 de Dcourt & Quaresma
(1978) e das catorze estacas calculadas pelas RNA, dez apresentaram relao com a prova de
carga mais prxima do valor unitrio que o mtodo de Aoki & Veloso (1975) e dez tiveram
relao mais prxima da unidade que o mtodo de Dcourt & Quaresma (1978).
4.2 ESTACAS PR-MOLDADAS DE CONCRETO

Para a previso da capacidade de carga da ponta foi escolhida a RNA3 com um

neurnio na camada oculta, que apresentou um coeficiente de correlao de 0,950. A outra
sada da RNA3 foi utilizada como instrumento de predio da capacidade de carga fuste, e
o coeficiente de correlao obtido foi de 0,673. Apesar da RNA2 com trs neurnios na
camada oculta fornecer um coeficiente de correlao de 0,857, no se utilizou essa rede
devido ao seu maior nmero de neurnios na camada oculta. Para prever a capacidade de

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.

Tabela 4.5 - Coeficiente de correlao - estacas pr-moldadas de concreto.

Nmero de
Neurnios da
camada oculta

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)

RNA3: predio da capacidade de carga da

ponta e fuste

b) RNA4: Predio da capacidade de carga total

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

Capacidade de Carga (KN)

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

Tabela 4.6 - Comparao entre os mtodos tradicionais e a RNA - estaca pr-moldada de

concreto - capacidade de carga do fuste.

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

So Jos dos Campos, SP

806,8

0,73

1279

1,16

1691

1,54

1100

Angra dos Reis, RJ

845

1,69

988

1,98

890

1,78

500

Santa Cruz, RJ

1096

1,37

1057

1,32

1577

1,97

800

Av. dos Automobilistas, SP

1055

0,7

1444

0,96

1766

1,18

1500

Av. dos Automobilistas, SP

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

Comparando inicialmente os resultados apresentados para a capacidade de carga do

fuste, alcanou-se para a rede neural um coeficiente de correlao de 0,67 contra 0,56 de Aoki
& Veloso (1975) e 0,67 de Dcourt & Quaresma (1978). Das catorze estacas calculadas
atravs das RNA, oito tiveram relao com a prova de carga mais prxima do valor unitrio
que o mtodo de Aoki & Veloso (1975) e dez apresentaram relao mais prxima da unidade
que o mtodo de Dcourt & Quaresma (1978).

66

RNA3

REDE/MTODO
o

Ponta

0,63

Ponta

Ponta

RELAO
PROVA DE
CARGA

Capacidade de Carga (KN)

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

Tabela 4.7 - Comparao entre os mtodos tradicionais e a RNA - estaca pr-moldada de

concreto - capacidade de carga da ponta.

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

So Jos dos Campos, SP

1925

1,2

2423

1,51

2330

1,46

1600

Angra dos Reis, RJ

2054

1,06

3590

1,86

2670

1,38

1930

Santa Cruz, RJ

2906

1,23

5170

2,18

3318

1,4

2370

Av. dos Automobilistas, SP

2765

1,18

1066

0,45

1093

0,47

2350

Av. dos Automobilistas, SP

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

Fazendo a comparao dos resultados obtidos para a resistncia da ponta, obteve-se

para a rede neural um coeficiente de correlao de 0,95 contra 0,53 de Aoki & Veloso (1975)
e 0,63 de Dcourt & Quaresma (1978). Das catorze estacas calculadas atravs das RNA, doze
tiveram relao com a prova de carga mais prxima do valor unitrio que o mtodo de Aoki &
Veloso (1975) e doze apresentaram relao mais prxima da unidade que o mtodo de
Dcourt & Quaresma (1978).

67

RNA4

REDE/MTODO
o

Total

0,66

Total

Total

RELAO
PROVA DE
CARGA

Capacidade de Carga (KN)

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

Tabela 4.8 - Comparao entre os mtodos tradicionais e a RNA - estaca pr-moldada de

concreto - capacidade de carga total.

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

So Jos dos Campos, SP

2095

0,78

3702

1,37

4021

1,49

2700

Angra dos Reis, RJ

3239

1,33

4578

1,88

3560

1,47

2430

Santa Cruz, RJ

3804

1,2

6227

1,96

4895

1,54

3170

Av. dos Automobilistas, SP

2102

0,55

2511

0,65

2859

0,74

3850

Av. dos Automobilistas, SP

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

Para a resistncia total, a rede neural apresentou coeficiente de correlao de 0,81

contra 0,52 do mtodo de Aoki & Veloso (1975) e 0,66 de Dcourt & Quaresma (1978) e das
dezesseis estacas calculadas pelas RNA, catorze tiveram relao com a prova de carga mais
prxima do valor unitrio que o mtodo de Aoki & Veloso (1975). Dessas dezesseis estacas
calculadas por meio das redes neurais, catorze apresentaram relao mais prxima da unidade
que o mtodo de Dcourt & Quaresma (1978).

68

5. CONCLUSES

Este trabalho teve como objetivo desenvolver equaes capazes de predizer a

capacidade suporte de ponta, lateral e total das estacas hlice contnua e pr-moldadas de
concreto, utilizando a tcnica das redes neurais artificiais.
Os resultados apresentados no capitulo anterior mostram que o desempenho das
equaes obtidas, em geral, foram satisfatrios, mostrando a viabilidade de se utilizar as RNA
como instrumento de predio da capacidade de carga de fundaes profundas. Verificou-se
tambm, para os dois tipos de estacas analisadas, que as equaes de previso da capacidade
de carga total forneceram resultados mais precisos que as equaes obtidas para a resistncia
de ponta e lateral.
Fazendo a comparao dos resultados obtidos pela equao proposta com os mtodos
tradicionais de predio de capacidade de carga, pode se observar para as estacas hlice
contnua que cerca de 74% dos resultados de capacidade de carga fornecidos pelas RNA
foram mais precisos que o mtodo de Aoki & Veloso (1975), sendo esse valor igual a 67%,
quando a comparao foi feita com o mtodo de Dcourt & Quaresma (1978). Utilizando a
mesma comparao para as estacas pr-moldadas de concreto, observou-se que cerca de 80%
dos resultados fornecidos pelas RNA foram mais precisos que o mtodo de Aoki & Veloso
(1975), sendo que esse valor passa a ser 81% quando a comparao feita com o mtodo de
Dcourt & Quaresma (1978).
Vale lembrar, que o mtodo proposto obteve resultados satisfatrios utilizando-se
apenas quatro parmetros de entrada e um nmero reduzido de neurnios na camada
intermediria.
Como sugesto para os futuros trabalhos prope-se a implementao dessa pesquisa
atravs da elaborao de equaes para outros tipos de estacas, incluso de novos parmetros
de entrada, da anlise de arquiteturas com maior nmero de neurnios e camadas ocultas e
incluso de coeficientes nas equaes que representem os diversos tipos de solo e de estacas.

69

REFERNCIAS

ALONSO, U. R. (2000). Contribuio para a formao de um banco de dados de provas

de carga estticas em estacas hlice contnua. In: IV SEMINRIO DE ENGENHARIA DE
FUNDAES ESPECIAIS - SEFE, So Paulo, Anais...So Paulo: ABMS/ABEF, V2, p. 430450.
ABU-KIEFA, M.A. (1998). General regression neural networks for driven piles in
cohesionless soils, Journal of Geotechnical and Geoenvironmental Engineering, 124(12),
1177-1185.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (1996). NBR 6122: Projeto e
Execuo de Fundaes Procedimento. Rio de Janeiro.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (2006). NBR 12131: Estacas Prova de carga esttica - Mtodo de ensaio. Rio de Janeiro.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (2007. NBR 13208: Estacas
Ensaio de Carregamento Dinmico. Rio de Janeiro.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (2001). NBR 6484: Solo
Sondagens de simples reconhecimento com SPT - Mtodo de ensaio. Rio de Janeiro.
ALONSO, U. R. (1991). Previso e Controle das Fundaes. So Paulo: Editora Edgard
Blcher Ltda.
ALBIERO, J.H.; CINTRA, J.C.A. (1996). Anlise e Projeto de Fundaes Profundas:
Tubules e Caixes. Fundao: Teoria e Prtica, Hachich et al.(eds.),Ed. Pini Ltda.,So
Paulo, Cap .8.2, p.302- 327.
ALONSO, U.R. (1996). Estacas hlice contnua com monitorao eletrnica: previso da
capacidade de carga atravs do ensaio SPTT. 3 Seminrio de Engenharia de Fundaes
Especiais e Geotecnia. So Paulo, 2: 141 -151.
ANDRADE, Guido M. (2009). Fundao Em Estaca Hlice Contnua: Estudo De Caso
Em Obra De Viaduto No Municpio De Feira De Santana-Ba, Monografia, Universidade
Estadual de Feira de Santana, Feira de Santana, 145p.
ANDRAOS, Neile C. (2009). Ensaio de Carregamento Dinmico em Estacas Moldadas in
Loco: Contribuies para a Seleo do Sistema de Impacto e Amortecimento a Partir de
Retro-Anlise. Dissertao (Mestrado), Universidade Federal do Paran, Curitiba, 224 p.

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.

CINTRA, J. C. A.; AOKI, N. (1999). Carga Admissvel em Fundaes Profundas. So

Carlos: EESC-USP.

CONSENGE CONSULTORIA E ENGENHARIA CIVIL LTDA (200_). Banco de dados:

Relatrios de prova de carga esttica.

71

HEBB, D. O.(1949). The Organization of behavior. Wiley.

DCOURT, L. & QUARESMA FILHO, A.R. (1978). Capacidade de carga de estacas a
partir de valores de SPT. VI Congresso Brasileiro de Mecnica dos Solos e Engenharia de
Fundaes, ABMS, 1: p. 45-53.
DCOURT, L.; ALBIERO, J.H. & CINTRA, J.C.A. (1996). Anlise e Projetos de
Fundaes Profundas. Fundaes: teoria e prtica, Hachich, W.; Falconi, F.; Saes, J.L.;
Frota, R.G.Q.; Carvalho, C.S. & Niyama, S. (eds), Editora PINI Ltda, So Paulo,SP, pp. 265327.
DCOURT, L. (1998). Ruptura de Fundaes e Coeficiente de Segurana Luz do
conceito de Rigidez. Anais do XI COBRAMSEG, ABMS, Braslia, p.1599-1606.
DYMINSKI, A. S. (2000). Anlise de problemas geotcnicos atravs de redes neurais
artificiais. Tese (Doutorado). PUC- Rio, 196 p.
ENGESOLOS ENGENHARIA DE SOLOS E FUNDAES S/A (200_). Banco de dados:
Relatrios de provas de carga esttica.
FAHLMAN, S. E (1988). An empirical study of learning speed in backpropagation
networks. Technical report, Carnegie Mellow University.
FBRIS, E. E.; DCOURT, L. (2004).Provas de carga em estacas pr- moldadas e
moldadas in loco em solo do grupo do grupo Bauru: O efeito significativo da
laterizao. In: V SEMINRIO DE ENGENHARIA DE FUNDAES ESPECIAIS- SEFE,
So Paulo. Anais...So Paulo: ABMS/ABEF, V2, p. 138-1147.
FO, B.S. (2001). Anlise do ensaio de carregamento dinmico de energia crescente para
o projeto de fundaes profundas. 200 p. Dissertao (Mestrado) Faculdade de
Tecnologia, UnB. Braslia.
FONTELES, H.R.N. (2003). Caracterizao geotcnica do subsolo da poro nordeste do
Municpio de Fortaleza (CE) com base em Geoestatstica. Dissertao (Mestrado) Escola
de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2003.
GEOFORMA ENGENHARIA LTDA (200_). Banco de dados: Relatrios de provas de
carga esttica.
GEOMEC (2008). Relatrio Tcnico. Feira de Santana, Bahia.
GEOMEC (2010). Relatrio Tcnico. Feira de Santana, Bahia.

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

MAGALHES, P. H. L. (2005). Avaliao dos Mtodos de Capacidade de Carga e

Recalque de Estacas Hlice Contnua via Provas de Carga. Dissertao de Mestrado,
Publicao G. DM-141/05, Departamento de Engenharia Civil e Ambiental, Universidade de
Braslia, Braslia, DF, 243p.
MCCLELLAND J. L.,& RUMELHART D. E. (1986) Parallel Distributed Processing:
Explorations in the Microstructure of Cognition, volume 1: Foundations, M.I.T. Press,
Cambridge, Massachusetts.
MCCLELLAND J. L.,& RUMELHART D. E. (1986). Parallel Distributed Processing:
Explorations in the Microstructure of Cognition, volume 2: Psychological and Bilogical
Models, M.I.T. Press, Cambridge, Massachusetts.
MCCULLOCH W. & PITTS W. (1943). A Logical Calculus of the Ideas Immanent in
Nervour Activity. Bulletin of Mathematical Biophysics, vol. 5, pp.115-133.
MEYERHOFF,G.G.(1951).
The
foundations.Geotechnique,2 (4): 301.

Ultimate

Bearing

Capacity

of

MIQUERINOS ENG DE FUNDAES LTDA (20__). Banco de dados: Relatrios de

provas de carga esttica.
MORAES, L. M. (2005). Prova de Carga Dinmica em Placa. So Carlos. 144 p.
Dissertao (mestrado) Escola de Engenharia de So Carlos, Universidade de So Paulo.
NIYAMA, S.; AOKI, N.; CHAMECKI, P. R. (1996). Verificao de desempenho. Fundao
Teoria e Prtica, Hachich et al. (eds.), Ed. Pini Ltda., So Paulo, Cap. 20 p.723-751.
HACHICH, W, et. at.,Fundaes: teoria e prtica, Editora PINI; So Paulo-SP 1998.
QUARESMA, A.R. et al. (1998). Investigaes Geotcnicas. In: HACHICH, W. et al.
Fundaes: Teoria e Prtica. So Paulo. Editora PINI. Cap.3, p.119-162.
PACHECO, M. LIMA, L. S. A. (1996). Um critrio estatstico para interpretao de
ensaios geotcnicos. Revista Solos e Rochas, So Paulo: ABMS/ABGE, volume 19, n 3,
p.177- 188, maio/agos.
PEARLMUTTER, B; Moody J. E; Hanson, S; Lippinann R. (1992). Gradient descent:
second order momentum and saturation error. Editors Advances in Neural Information
Processing Systems 2, pages 887--894. Morgan Kaufmann.
PRESA, P. P.; POUSADA M.C., (2001). Retrospectiva e Tcnicas Modernas de
Fundaes em estacas. Associao Brasileira de Mecnica dos Solos, Ncleo Regional da
Bahia, Salvador,Bahia.
74

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

TECNOSOLO ENGENHARIA E TECNOLOGIA DE SOLOS E MATERIAIS S. A. (200_).

Banco de dados: Relatrios de provas de carga esttica.
TEH, C.I., WONG, K.S., GOH, A.T.C., JARITNGAM, S. (1997). Prediction of pile
capacity using neural networks, Journal of Computingin Civil Engineering, 11(2), 129-138.
VAN DER VEEN, C. (1953). The bearing capacity of a pile. Proc. III International
Conference of Soil Mechanics and Foundation Engeneering. Zurich, 2, pp. 84-90.
VELLOSO, D.A. & ALONSO, U.R. (2000). Previso, controle e desempenho de
fundaes. In: NEGRO Jr. et al. Previso de desempenho x comportamento real.
NRSP/ABMS, So Paulo, 95 139.
VELLOSO, D. A.; LOPES, F. R.(2002). Fundaes: Fundaes Profundas. Rio de Janeiro:
COPPE-UFRJ.
VIANA, H. M. F. (2007). Estudo do comportamento resiliente dos solos tropicais grossos
do interior do Estado de So Paulo. So Carlos. Tese (Doutorado) - Escola de Engenharia
de So Carlos, Universidade de So Paulo.
VORCARO, M.C. & VELLOSO, D.A. (2000). Avaliao de carga ltima em estacas
escavadas por regresso linear. 4 Seminrio de Engenharia de Fundaes especiais e
Geotecnia. So Paulo, 2: 331 -344.
WIENER, N. (1948). Cybernetics: Or Control and Communication in the Animal and
the Machine, New York: Wiley.

76

ANEXO A BANCOS DE DADOS DE PROVA DE CARGA ESTTICA

UTILIZADOS NO TREINAMENTO DAS RNA
A.1- BANCO1: PROVA DE CARGA ESTTICA DE COMPRESSO ESTACAS HLICE CONTINUA
(MODIFICADO LOBO, 2005).
Estaca
1
2
3
4
5
6
7
8
9
10
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

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

A.2- BANCO2: PROVA DE CARGA ESTTICA DE COMPRESSO ESTACAS PR-MOLDADAS

DE CONCRETO (MODIFICADO LOBO, 2005)
QT

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

ANEXO B RELATRIOS DE SONDAGEM A PERCUSSO

B.1- ESTACAS HLICE CONTNUA

Estaca 1 - Broklin SP - Rua Baro do triunfo, 277
=
L=
Caractersticas A/a =

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

Argila Silto Arenosa

Areia Argilosa
Argila Silto Arenosa
Areia Argilosa

Argila Silto Arenosa

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

Estaca 2 - Broklin SP - Rua Baro do triunfo, 277

=
L=
Caractersticas A/a =

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

Argila Silto Arenosa

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

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

82

Estaca 3 - Tatuap SP - Rua Aguape, 300

=
L=
Caractersticas A/a =

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

B.2- ESTACAS PR-MOLDADAS DE CONCRETO

Estaca 1 - 19/10/1971 - Cubato S.P - Eng. Solos Rel. 587/71_2

=
L=
Caractersticas A/a =

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)

Penet / Golpe (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

Estaca 2 - 19/10/1971 - Cubato S.P - Eng. Solos Rel. 587/71_4

=
L=
Caractersticas A/a =

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

Penet / Golpe (m)

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

Estaca 3 - 25/03/1976 - Sumar S.P - Engesolos Rel. 193/76_4

=
L=
Caractersticas A/a =

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

Penet / Golpe (m)

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