Bearing capacity and settlement prediction of multi-edge skirted footings resting on sand

• Published in: Ingeniería e investigación 2020, Vol.40 (3)
• Main Authors: Gnananandarao, Tammineni, Nandkishor Khatri, Vishwas, Kumar Dutta, Rakesh
• Format: Article
• Language: Spanish
• Subjects: análisis de regresión multivariable; artificial neural networks; bearing capacity ratio; circular skirted footings; circulares; edged skirted footings; factor de reducción de liquidación; multi; multivariable regression analysis; redes neuronales artificiales; relación de capacidad de carga; settlement reduction factor; square; zapatas bordeadas de bordes múltiples; zapatas de zócalo cuadradas
• ISSN: 0120-5609; 2248-8723

Este documento presenta la aplicación de redes neuronales artificiales (ANN) y el análisis de regresión multivariable (MRA) para predecir la capacidad de carga y el asentamiento de las zapatas bordeadas de bordes múltiples en arena. Estos parámetros se definen, respectivamente, en términos de la relación de capacidad de carga (BCR) de carga de la zapata con zócalo y sin zócalo y el factor de reducción de asentamiento (SRF), la razón de la diferencia en la solución de zócalo sin zócalo y zapatas bordeadas para el asentamiento de zapatas sin falda a una presión determinada. Las ecuaciones modelo para predecir la BCR y el SRF de la zapata de forma regular se desarrollaron primero utilizando los datos disponibles recopilados de la literatura. Estas ecuaciones se modificaron posteriormente para predecir la BCR y el SRF de la zapata bordeada de bordes multiples, para la cual se generaron los datos mediante la realización de una prueba de laboratorio a pequeña escala. Los parámetros de entrada elegidos para desarrollar modelos ANN fueron el ángulo de fricción interna (ϕ), la profundidad del faldón (Ds) al ancho de la relación de zapata (B) para la predicción del BCR; en cuanto al SRF, se consideró un parámetro de entrada adicional: la tensión normal (?). La arquitectura para los modelos ANN desarrollados fue 2-2-1 y 3-2-1 para la BCR y el SRF, respectivamente. El R2 para las zapatas bordeadas de bordes múltiples estuvo en el rango de 0,940-0,977 para el modelo ANN y 0,827-0,934 para el análisis de regresión. De manera similar, el R2 para la predicción del SRF pudo haber sido de 0,913-0,985 para el modelo ANN y 0,739-0,932 para el análisis de regresión. Se reveló que la BCR predicha y el SRF para las zapatas con borde de múltiples bordes con el uso de ANN es superior al MRA. Además, los resultados del análisis de sensibilidad indican que tanto el BCR como el SRF de las zapatas bordeadas de bordes múltiples se ven más afectados por la profundidad de la falda, seguida del ángulo de fricción de la arena. This paper presents the application of artificial neural networks (ANN) and multivariable regression analysis (MRA) to predict the bearing capacity and the settlement of multi-edge skirted footings on sand. Respectively, these parameters are defined in terms of the bearing capacity ratio (BCR) of skirted to unskirted footing and the settlement reduction factor (SRF), the ratio of the difference in settlement of unskirted and skirted footing to the settlement of unski