O fator de segurança (FS) de estruturas geotécnicas é influenciado por incertezas que podem ser associadas à variabilidade dos parâmetros geomecânicos do solo, às condições geométricas do maciço e à posição da linha freática. Redes Neurais Artificiais (RNA) têm sido empregadas na estimativa do FS, porém seu desempenho depende fortemente da disponibilidade de bases de treinamento suficientemente amplas e representativas, condição nem sempre atendida em problemas geotécnicos reais. Neste estudo, avaliou-se o desempenho de uma RNA do tipo Multilayer Perceptron treinada com dados sintéticos gerados por acoplamento automatizado entre o software Slide2 e scripts em Python, com variação de parâmetros geotécnicos e da linha freática. Foram consideradas bases com 600, 1.200, 1.800 e 3.000 simulações, e o desempenho foi analisado por meio das métricas RMSE, R² e erro percentual médio. Os resultados indicaram melhora progressiva do desempenho com o aumento do número de simulações, com ganhos marginais a partir de aproximadamente 1.200 simulações, sugerindo convergência do modelo para o problema analisado. A RNA reproduziu com boa precisão os valores de FS obtidos no modelo numérico, com erro percentual médio inferior a 5%. A metodologia proposta mostra potencial para geração de modelos preditivos aplicáveis à estabilidade geotécnica, com perspectiva de integração a sistemas de monitoramento automatizado para suporte à avaliação contínua da segurança de estruturas geotécnicas.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160