Predição dos deslocamentos em edificação durante rajadas de vento utilizando regressão por vetores de suporte e rede neural profunda
Nome Completo:
Gustavo Cristante Izar
Unidade da USP:
Escola Politécnica
Programa de Pós-Graduação:
Programa de Pós-Graduação em Engenharia Civil
Nível:
Mestrado
Resumo:
A presente dissertação propõe o desenvolvimento de modelos computacionais de predição de deslocamentos horizontais em edificações submetidas à ação de rajadas de vento, utilizando regressão por vetores de suporte (SVR) e redes neurais profundas (DNN). Esses modelos são treinados a partir de dados gerados por análises dinâmicas via método dos elementos finitos (MEF), em conformidade com as prescrições da ABNT NBR 6123:1988 (Ações do vento em edificações) e com os critérios de comportamento estrutural definidos pela ABNT NBR 6118:2023. Do ponto de vista técnico, o trabalho representa uma evolução no tratamento das ações dinâmicas do vento, tradicionalmente avaliadas por meio de análises computacionalmente intensivas. Ao empregar técnicas de aprendizado de máquina supervisionado, a pesquisa demonstra que é possível estimar os deslocamentos horizontais máximos de estruturas de concreto armado com elevada acurácia e reduzido custo computacional, mantendo coerência com os parâmetros de rigidez, amortecimento e periodicidade previstos nas normas brasileiras. A contribuição prática à sociedade decorre da possibilidade de aplicação desses modelos em diferentes fases do ciclo de vida da edificação — projeto, verificação e monitoramento estrutural. No projeto, as predições rápidas de deslocamento podem auxiliar engenheiros na avaliação preliminar da estabilidade global e no controle de deslocamentos de serviço (ELS), reduzindo o número de iterações em softwares de análise. Na fase executiva e de operação, a metodologia pode ser incorporada a sistemas de monitoramento estrutural inteligente, permitindo a previsão de respostas dinâmicas em tempo real a partir de sensores de vento e aceleração instalados em edificações altas. A redução do tempo de processamento e o baixo custo de implementação desses algoritmos permitem sua utilização em escritórios de pequeno e médio porte, democratizando o acesso a ferramentas avançadas de análise estrutural. Indiretamente, isso contribui para projetos mais seguros, econômicos e sustentáveis, reduzindo a necessidade de sobredimensionamento e otimizando o uso de materiais estruturais — em consonância com os princípios de eficiência e racionalização estrutural.. Em síntese, os resultados desta pesquisa apontam para uma integração crescente entre engenharia estrutural e inteligência artificial, abrindo caminho para a criação de modelos normativos e ferramentas preditivas capazes de antecipar o comportamento de edificações sob ações dinâmicas complexas, fortalecendo a segurança estrutural, a resiliência urbana e a inovação tecnológica no setor da construção civil.