Intelligent computing for modeling axial capacity of pile foundations

Durant les dernieres decennies, de nombreuses methodes ont ete developpees dans le but de predire la capacite axiale de fondations en pieux. Parmi les methodes disponibles, les modeles bases sur l'essai de penetration d'un cone (<< CPT >>) donnent des meilleures predictions dans plusieurs situations. Ceci peut etre du au fait que les methodes basees sur les CPT ont ete developpes a l'aide de resultats de CPT, qui eux permettent d'obtenir des proprietes des sols plus fiables, et consequemment des predictions plus precises de la capacite axiale des pieux. Dans cet article, une des techniques d'intelligence artificielle la plus courante, soit les reseaux de neurones artificiels (ANN), est utilisee afin de tenter de developper des modeles de ANN qui offrent des predictions plus precises de la capacite axiale de pieux enfonces et de puits fores. Les modeles de ANN sont developpes a partir de donnees provenant de la litterature et de 80 essais de chargement sur des pieux enfonces et 94 essais de chargement sur des puits fores, ainsi que de resultats de CPT. Les predictions des modeles ANN sont comparees a celles obtenues par les methodes courantes basees sur les CPT, et des analyses statistiques ont ete effectuees afin de classer et d'evaluer la performance des modeles ANN et des methodes par CPT. Pour faciliter l'utilisation des modeles ANN developpes, ceux-ci sont traduits en equations simples pouvant etre resolues par calcul manuel.