Abstract:
Este trabalho insere-se no âmbito da modelação do comportamento estrutural de barragens de betão
e tem como objetivo a apresentação de modelos de aprendizagem automática do tipo random forest
para a interpretação do comportamento observado de barragens de betão.
Uma das componentes da atividade de análise e interpretação na fase exploração normal da barragem
é realizada através da modelação do comportamento estrutural com base em métodos estatísticos.
Estes modelos têm como objetivo identificar um padrão de comportamento (ou “assinatura”), com
base na história de obra, o qual se traduz numa relação estatística entre as principais variáveis
ambientais (nível da água na albufeira e variações térmicas) e o efeito do tempo e as grandezas
observadas. Os modelos mais utilizados são do tipo Hydrostatic-Season-Time (HST) e do tipo
Hydrostatic-Temperature-Time (HTT), ambos utilizam termos que são função do nível de água na
albufeira (termo ℎ) e do tempo (termo 𝑡) sendo que diferem por o HST considerar o efeito da
temperatura através de funções sinusoidais de período anual e o HTT considerar registos de
temperaturas efetivamente medidas no corpo da barragem.
Nesta área é comum o uso de modelos, tradicionalmente designados por modelos de interpretação
quantitativa (IQ), usualmente obtidos a partir do método da regressão linear múltipla tendo como
função de minimização o método dos mínimos quadrados. O desenvolvimento na área da
aprendizagem automática tem permitido o desenvolvimento de métodos que adequados para
problemas de natureza estatística, como são o caso dos modelos do tipo random forest (RF). No caso
de estudo são apresentados estes dois modelos, determinados pelos dois métodos apresentados (IQ
e RF) para descrever o comportamento observado do deslocamento radial da barragem Alto Lindoso.
Verificou-se que os modelos RF apresentaram um bom desempenho, mesmo quando comparados com
os modelos IQ.
