Resumo Este artigo teve como foco a estimativa de propriedades mecânicas essenciais à concepção de estruturas de concreto mediante um modelo confiável de predição da resistência à compressão, à tração e à flexão de concreto reforçado com fibra de aço (CRFA) utilizando redes neurais artificias (RNA), bem como avaliar a influência do teor de fibras nessas propriedades. A pesquisa utilizou um banco de dados com 57 estudos experimentais descritos na literatura, sendo implementado um modelo de rede neural com 12 variáveis de entrada, 1 de saída e 2 camadas ocultas com 16 neurônios. Como resultados, obtiveram-se as seguintes métricas indicadoras da qualidade do ajuste: um erro quadrático médio (MSE) de 22,63, 0,08 e 0,80, e um erro absoluto médio (MAE) de 3,64, 0,24 e 0,74 respectivamente para as resistências à compressão, à tração e à flexão. A análise da sensibilidade evidenciou que houve aumento considerável nas resistências à tração e à flexão com uso de fibras, o que é esperado. Os resultados confirmaram a capacidade de o modelo reproduzir de forma confiável as propriedades mecânicas do CRFA.

Abstract The aim of this paper was to estimate the mechanical properties essential to the design of concrete structures through a reliable prediction model of the compressive, tensile and flexural strengths of concrete steel fiber reinforced concrete (CFRC) using Artificial Neural Networks (ANN), and also to evaluate the influence of the fiber content on these properties. The study used a database with 57 experimental studies from the literature, implementing a neural network model with 12 input variables, 1 output and 2 hidden layers with 16 neurons. The results obtained were a mean square error (MSE) of 22.63, 0.08 and 0.80, and a mean absolute error (MAE) of 3.64, 0.24 and 0.74, respectively, for the compressive, tensile and flexural strengths. The sensitivity analysis showed that there was a considerable increase in tensile and flexural strengths with the use of fibers, which was expected. The results confirmed the model's ability to reliably reproduce the mechanical properties of the CFRC.