Aplicação de redes neurais artificiais do tipo perceptron de múltiplas camadas para parametrização da condutividade hidráulica em solos não saturados

Abstract

O conhecimento da condutividade hidráulica é fundamental para a análise do fluxo da água

em solos saturados e não saturados, podendo ser obtida através de medidas experimentais. En- tretanto, experimentos de campo podem acarretar em um alto custo financeiro, além da com- plexidade e tempo necessários. Além disso, problemas de amostragem como erros na coleta,

deformação e a presença de trincas ou fissuras são capazes de diminuir a representatividade do material coletado. Uma alternativa geralmente utilizada para estimar a condutividade hidráulica é através do uso de modelos matemáticos. Esses métodos se baseiam em ajustes dos parâmetros das curvas de retenção da água no solo, resolvendo um problema de mínimos quadrados não linear, a partir de medidas realizadas em laboratório para a obtenção dos valores de umidade e potencial matricial em amostras de solos coletadas. As curvas para a condutividade hidráulica são obtidas de forma teórica a partir dos diferentes modelos para as curvas de retenção, cujos

parâmetros são obtidos a partir do ajuste realizado no modelo de curva de retenção. A existên- cia de diferentes modelos se deve justamente por não existir um modelo universal, que possa

ser aplicado em qualquer tipo de solo. Como alternativa, no presente trabalho, propõe-se o uso

das redes neurais artificiais (RNAs), uma ferramenta computacional que tem sido usada em di- ferentes áreas da ciência. Devido ao modo de funcionamento, as RNAs não dependem de um

modelo matemático que relacione os dados de entrada com os dados de saída, sendo aplicadas em situações não lineares, complexas, que possuam alto nível de incertezas, se destacando pela

capacidade intrínseca de aprendizagem. Esta pesquisa tem por objetivo aplicar a Rede Neu- ral Artificial (RNA) do tipo Perceptron de Multicamadas(MLP) na criação de um modelo para

determinar a condutividade hidráulica em solos não saturados. Os resultados se mostraram pro- missores, especialmente utilizando o modelo MLP com sete variáveis e sem a fração de argila

(uma com 6 e a outra com 1 neurônios).