A estabilidade de taludes é um tema central na Engenharia Geotécnica, especialmente em obras como barragens, cortes rodoviários e escavações. Fatores como a heterogeneidade do solo, as condições hidráulicas e as incertezas nas propriedades mecânicas tornam essencial o uso de abordagens probabilísticas para uma avaliação mais realista do risco de falha. A variabilidade espacial das propriedades do solo exerce influência significativa na estabilidade de taludes e deve ser considerada para uma representação mais fiel do comportamento geotécnico. Nesse contexto, este trabalho propõe uma metodologia probabilística para a análise da estabilidade de taludes grampeados, integrando a modelagem de campos aleatórios e técnicas de aprendizado profundo. O objetivo é investigar a influência da discretização da variabilidade espacial na estimativa da probabilidade de falha (Pf). Para isso, campos aleatórios dos parâmetros geotécnicos são gerados por meio de duas abordagens distintas: a expansão de Karhunen–Loève (KLE) e o método da Estimativa Linear Ótima de Expansão (EOLE). Esses campos são utilizados como entrada para uma Rede Neural Convolucional (CNN), responsável por aprender padrões espaciais das propriedades do solo e estimar o fator de segurança (FoS). Com base nas previsões da rede, são realizadas Simulações de Monte Carlo (MCS) para estimar a probabilidade de falha do sistema. A metodologia proposta apresenta potencial para reduzir o custo computacional de análises probabilísticas em problemas de estabilidade de taludes.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160