A estimativa da resistência não drenada (Su) é um elemento central em análises de estabilidade e no projeto de estruturas offshore em argilas marinhas. Este trabalho avalia a aplicação de modelos baseados em machine learning para a previsão da resistência não drenada obtida em ensaios de Direct Simple Shear (DSS), comparando seus resultados com correlações empíricas consagradas na engenharia geotécnica. A base de dados é composta por resultados de ensaios de laboratório realizados em argila marinha proveniente de uma campanha offshore na Bacia de Santos. A metodologia adotada fundamenta-se principalmente em regressão simbólica via algoritmo genético (AG), permitindo a obtenção de equações analíticas explícitas e fisicamente interpretáveis. O desempenho dos modelos foi avaliado por meio de métricas estatísticas usuais e confrontado com correlações empíricas tradicionais. Os resultados indicam que os modelos baseados em machine learning apresentam desempenho superior na reprodução dos valores medidos de Su,DSS, com redução significativa da dispersão e dos erros médios, sem prejuízo da interpretabilidade. Os achados reforçam o potencial dessas abordagens como ferramentas complementares às correlações empíricas na caracterização geotécnica de argilas marinhas offshore.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160