Aplicação de redes neuronais ao controlo de segurança de barragens de betão

Abstract

O objectivo principal do controlo de segurança estrutural de uma barragem de betão consiste na garantia de que a estrutura cumpra satisfatoriamente as funções para que foi construída, mantendo a funcionalidade e a integridade estrutural. Esta actividade é suportada pela observação da obra e apoia-se em modelos de comportamento. A avaliação das condições de segurança e funcionalidade da estrutura apoia-se na utilização de modelos. Em termos práticos, quando se dispõe de um número significativo de resultados da observação, podem ser definidos modelos que permitem caracterizar o comportamento normal das estruturas sem recorrer explicitamente aos princípios da Mecânica, como por exemplo, os métodos de interpretação quantitativa e/ou, ainda, com os modelos de redes de neuronais artificiais, objecto de investigação deste trabalho. Estes modelos são elaborados e calibrados a partir do conhecimento do comportamento da estrutura a solicitações passadas. A partir da resposta do modelo para uma dada grandeza observada, para as solicitações a que a estrutura está sujeita, é possível avaliar se a evolução de uma grandeza se mantém satisfatória ou se existe alguma alteração no comportamento que justifique um estudo mais aprofundado. As redes neuronais artificiais vêm sendo objecto de intensa pesquisa e desenvolvimento recente, dada a sua capacidade de tratamento de um grande número de informações e a adaptação a sistemas e processos de natureza diversificada e complexa. O principal objectivo deste trabalho é investigar as potencialidades da utilização de modelos para interpretação do comportamento de barragens de betão a partir de redes neuronais artificiais do tipo Perceptrão Multicamada, nomeadamente para a análise de algumas grandezas que são observadas com carácter sistemático nas barragens portuguesas. Seleccionou-se para caso de estudo a barragem do Alto Rabagão. Algumas das grandezas mais representativas do comportamento da obra foram analisadas com recurso aos modelos de redes neuronais. Os resultados obtidos foram comparados directamente com os resultados dos modelos de interpretação quantitativa, avaliando-se o seu desempenho relativamente aos valores observados.