Previsão de Erosão Interna em Solos com o Uso de Machine Learning

Abstract

RESUMO: Erosões internas em solos podem levar a falha de aterro, deslizamento de terra e ruptura de barragens. Assim, métodos não invasivos são necessários para detectar e monitorar o fluxo de água e a erosão interna resultante sem promover danos na estrutura. Este trabalho apresenta o estudo de inteligência artificial, usando técnicas acústicas passivas com machine learning para monitorar e avaliar a ocorrência de erosão interna em um aterro em laboratório. Foram avaliados diversos estimadores de machine learning e diferentes tipos de préprocessamento. Pode-se verificar que o estimador logistic regression com o pré-processamento dos dados de entrada a partir do uso de quadros de 256 amostras e extração de 7 coeficientes cepstrais da frequência de mel (MFCC), além de outros atributos, permitiram fazer a classificação corretamente de todos os dados do experimento utilizado. Assim, pode-se constatar o potencial que o uso de ondas acústicas passivas e machine learning têm para monitorar e detectar erosão interna de forma não invasiva em estruturas geotécnicas, como as barragens.