REGISTRO DOI: 10.5281/zenodo.7644518
Ana Tália Pinto Guilherme1
Carlos Augusto Uchôa da Silva1
Suelly Helena de Araújo Barroso1
Antônio Júnior Ales Ribeiro2
1. INTRODUÇÃO
Apesar de no Brasil, ainda se adotarem métodos empíricos para o dimensionamento de pavimentos, como o método de dimensionamento pelo CBR (California Bearing Ratio), proposto por Souza (1981), baseado em informações mecânicas de cargas estáticas, o estudo da arte mostra que esse parâmetro não representa, de maneira apropriada, a natureza das cargas aplicadas aos pavimentos, que são dinâmicas e possuem ciclos de carregamento que variam de acordo com a velocidade com as quais passam sobre o pavimento.
Assim, surgiu a necessidade de ensaios que representem a realidade das cargas às quais os pavimentos são submetidos. Internacionalmente, os métodos de dimensionamento empírico-mecanísticos de pavimentos flexíveis, utilizam o Módulo de Resiliência (MR) para caracterização mecânica dos materiais das camadas dos pavimentos e do subleito.
O Módulo de Resiliência é determinado a partir dos ensaios triaxiais de carga repetida, sendo executados em corpos de prova moldados na umidade próxima à ótima de compactação. Com base nestes resultados, são definidos os modelos de comportamento resiliente utilizados nos softwares de cálculo de tensões e deformações, que por sua vez determinam o valor do módulo de resiliência em função do estado de tensões vigente. Quando os solos são submetidos à aplicação de carregamentos de qualquer natureza, ocorrem processos bastante complexos. Suas respostas a esses carregamentos dependem de um conjunto de fatores relacionados à mecânica, gênese e física de solos.
O grande gargalo que dificulta a utilização desse parâmetro nos projetos de pavimentação é a complexidade do ensaio triaxial, tanto no que se refere aos recursos humanos quanto ao equipamento utilizado. Além disso, tem-se problemas relativos aos custos de aquisição do equipamento, o que reflete na pequena quantidade de aparelhos pelo Brasil. Destaca-se que a maioria destas máquinas estão disponíveis apenas nas Universidades e Centros de Pesquisas. Tais fatores são responsáveis por limitar na prática o uso do MR, o que implica numa baixa aplicação dos métodos de dimensionamento empírico-mecanísticos de pavimentos.
Os custos financeiros dos projetos rodoviários, bem como a restrição dos recursos destinados à caracterização e controle de qualidade dos materiais empregados nas camadas e o subleito dos pavimentos, têm motivado diversos pesquisadores a buscar correlações e modelos de predição confiáveis do módulo de resiliência com outras propriedades geotécnicas dos solos, na tentativa de que, através dessas propriedades (variáveis explicativas), obtenham-se os resultados do MR para uso em anteprojeto e projetos rodoviários, de forma mais fácil, rápida e com baixo custo (RIBEIRO, 2016).
A partir dessas constatações, este estudo objetiva realizar uma análise comparativa entre os modelos neurais preditivos das características geotécnicas dos solos da RMF, desenvolvidos por RIBEIRO, 2013 e RIBEIRO, 2016 e um programa experimental realizado em laboratório. Os modelos de Ribeiro (2013, 2016) permitem estimar a classificação AASHTO, o CBR e o MR de solos da RMF, tendo como variáveis preditoras, características geotécnicas provenientes de ensaios básicos e características biofísicas. A ideia é o uso de tais modelos para facilitar e incentivar a aplicação dos métodos empírico-mecanísticos de dimensionamento de pavimentos, o que implicaria em menores custos relativos à coleta de material e tempo de execução de ensaios mais complexos.
2. CARACTERIZAÇÃO DE SOLOS APLICADA À PAVIMENTAÇÃO
A caracterização geotécnica de solos na pavimentação consiste em determinar as propriedades íntegras, a estrutura dos solos e a resistência mecânica quando submetido a um carregamento estático ou dinâmico. As informações geotécnicas são fundamentais para o desenvolvimento dos projetos de pavimentação e indicam a possível utilização dos materiais nas camadas do pavimento. Embora se reconheça a importância dos outros aspectos envolvidos na descrição da área de estudo, são os dados geotécnicos que têm aplicação direta no processo de dimensionamento de pavimentos.
O dimensionamento de pavimentos necessita de informações sobre o comportamento dos solos que serão aplicados em suas diferentes camadas. Na Engenharia Rodoviária é comum a adoção de um sistema de classificação de solos para prever as suas propriedades. A classificação da AASHTO (American Association of State Highway and Transportation Officials) tem sido aplicada no reconhecimento de solos para construção de pavimentos rodoviários em todo o mundo. Além das características geotécnicas de classificação, as obras viárias necessitam de informações acerca do comportamento mecânico dos materiais. O CBR (Califórnia Bearing Ratio) e o MR (Módulo de Resiliência) são os dois parâmetros de resistência mais usados no Brasil para dimensionar pavimentos. Para se chegar à classificação AASHTO, bem como aos valores de CBR e MR se faz necessário a realização de sondagens e ensaios de laboratório.
2.1 Classificação AASHTO
A classificação AASHTO baseia-se na análise granulométrica por peneiramento e na determinação dos limites de liquidez e de plasticidade para classificar os solos. A proposta é estabelecer uma hierarquização para os solos do subleito a partir da realização de ensaios simples e realizados de forma corriqueira. Nesta classificação, os solos são divididos de forma geral, em dois grandes grupos: os materiais granulares (% passante na peneira nº 200 ≤ 35%) e os materiais silto-argilosos (% passante na peneira nº 200 > 35%).
Através de uma tabela classificatória, os solos são separados em grupos e subgrupos através de processo de eliminação a partir do lado esquerdo para o lado direito e de cima para baixo da referida tabela. O primeiro grupo, a partir da esquerda e de baixo para cima, com o qual os valores encontrados coincidir, será a classificação correta. As classes vão de A-1 a A-7, tendo algumas subdivisões (DNIT, 2006).
2.2 CBR (Califórnia Bearing Ratio)
No Brasil, o dimensionamento empírico convencional (Souza, 1981) de estruturas dos pavimentos ainda utiliza o CBR como parâmetro de rigidez. Este parâmetro caracteriza mecanicamente solos e britas naturais ou misturas destes, estabilizadas granulométrica ou quimicamente. A resistência no ensaio CBR é uma combinação indireta entre a coesão e o ângulo de atrito do material. É expresso em porcentagem, sendo definido como a relação entre a pressão necessária para produzir a penetração de um pistão num corpo-de-prova de solo ou material granular e a pressão necessária para produzir a mesma penetração no material padrão referencial. (BERNUCCI et. al, 2006). O valor dessa relação, expressa em porcentagem, permite determinar por meio de equações empíricas, a espessura de pavimento flexível necessária, em função do tráfego (DNIT, 2006).
Esse método foi baseado em correlações empíricas, mas ainda é bastante difundido. É um ensaio simples e rápido de executar, que pode ser utilizado em materiais argilosos e arenosos. (COUTINHO, 2011). Este método serviu de referência para o desenvolvimento do método do DNER – Método do CBR, que ainda é o mais usado no meio rodoviário devido a sua simples concepção (LEMOS e SANTOS, 2013).
2.3 Módulo de Resiliência (MR)
Durante a passagem de um veículo sobre o pavimento, ocorre inicialmente o aumento da tensão e das deformações até um valor máximo e em seguida as tensões tendem a diminuir até se anulares, porém, nem todas as deformações são recuperadas (ELLIOT & THORNTON, 1988). Dessa forma, os materiais apresentam dois tipos de deformação: uma permanente e outra reversível ou resiliente. Assim, entende-se por resiliência a capacidade dos materiais de acumular energia, quando aplicada a carga, sem ocorrer sua ruptura, ou seja, a capacidade do material voltar ao estado natural após a aplicação da tensão.
O módulo de Resiliência (MR) é expresso como a relação entre as deformações resilientes e as tensões provenientes da aplicação de carregamentos repetidos, conhecidas por tensão desvio , de acordo com a Equação 1.
Onde:
MR é o módulo de resiliência do material;
σd é a tensão desvio;
εR é a deformação resiliente.
Estes parâmetros são determinados a partir do ensaio Triaxial de cargas repetidas, que consiste em determinar o comportamento do material em confinamento e com a aplicação de repetidos ciclos de carga.
O ensaio conta com duas fases, a de condicionamento, que tem a finalidade de eliminar as deformações plásticas iniciais e a fase de registro das deformações. Durante a fase de registro de deformações, são utilizadas diferentes tensões de confinamento (σ3), que correspondem à pressão de ar injetada dentro da célula do equipamento, e tensões solicitantes (σ1), totalizando 18 pares de tensões. A Figura 2 representa o esquema de aplicação das tensões durante o ensaio no corpo de prova. No período de repouso apenas as tensões de confinamento permanecem, sendo nula a tensão desvio (σd), que equivale à diferença das tensões σ1 e σ3.
Figura 1 – Tensões aplicadas durante o ensaio triaxial de cargas repetidas
Fonte: BERNUCCI et al, 2006.
2.3.1. Modelo Resilientes de Solos – CE
Como forma de melhor representar o módulo de resiliência para os solos brasileiros, foram elaborados alguns modelos matemáticos. Pezo (1993), por exemplo, apresentou uma forma para representar o MR de materiais granulares de rodovias, testados no estado do Texas, por um modelo que incorporou as tensões desvio e confinante. O modelo ficou conhecido como UT-Austin Model conforme apresentado na Equação 2.
Onde:
MR é o Módulo de Resiliência do material;
σ3 é a tensão de confinamento;
σd é a tensão desvio;
K1, K2 e K3 são os parâmetros da regressão.
O mesmo modelo de Pezo (1993), apresentado na Equação 2, foi trazido para o Brasil por Macêdo (1996), que propôs o seu uso na obtenção do módulo de resiliência para qualquer tipo de material, pois ele considera a influência conjunta das tensões confinante e desvio no cálculo do MR. Esse modelo ficou conhecido no Brasil como Modelo Composto, sendo capaz de eliminar as dificuldades quanto à necessidade de definição prévia do comportamento resiliente dos solos. Esse modelo também foi o que mais se ajustou aos solos do estado do Ceará (Souza Júnior, 2005, Gondim, 2008, Araújo, 2009 e Bastos, 2013).
2.3.1 Modelo de previsão de MR – Ribeiro, 2016
Ribeiro (2016) propôs um modelo para previsão do módulo de resiliência de solos para o Ceará a partir de ensaios geotécnicos tradicionais com a seguinte topologia (10:21:1), ilustrada na Figura 3. Os 10 neurônios de entradas são extraídos de apenas dois ensaios, análise granulométrica dos solos e ensaio de compactação, sendo os dados de entradas: umidade ótima de compactação (OT), massa específica seca máxima (DEN), o
percentual que passa nas peneiras (25,4 mm, 9,5 mm, 4,76 mm, 2 mm, 0,42 mm, 0,074 mm), tensão confinante (σ3) e tensão desvio (σd).
Figura 2 – Topologia do Modelo Neural (MLP) de Ribeiro (2016) para previsão do MR (10:21:1)
Fonte: Ribeiro, 2016.
Esse modelo obteve o coeficiente correlação de 0,9857 e MSE = 0,004 para o conjunto de teste. A partir dessa topologia, foi possível extrair os pesos sinápticos (wij) e os biases (bk) da camada intermediária e da camada de saída da rede, para então viabilizar o cálculo do MR fora do NNTOOL/MATLAB. O autor deixou esses dados disponíveis, que permitem implementar o modelo em planilha eletrônica.
3. MATERIAIS E MÉTODO
3.1 Materiais
Para atingir o objetivo deste estudo, a comparação entre resultados experimentais de solos locais e a predição da classe AASHTO, do CBR e do MR pelo modelo de Ribeiro (2013 e 2016), foi necessário obter informações sobre os solos da região de estudo.
Para tanto, foi indispensável um esforço amostral para coleta e caracterização desses solos. Foram coletadas 15 amostras de solos, de diferentes taludes e jazidas, selecionadas estrategicamente, de forma a estarem distribuídas espacialmente dentro da RMF. A localização de cada amostra foi obtida através do sistema GNSS. Para dar suporte a essa pesquisa, considerando possíveis retrabalho, foram extraídos 300 kg de cada solo coletado. Como o material foi transportado em uma caminhonete simples, o limite de peso da carga do veículo limitava a viagem a apenas duas amostras de solo, assim foram necessárias 8 viagens pela região para atender à demanda. O material foi acondicionado em sacos plásticos com etiquetas e armazenado em uma sala do LMP-UFC (Laboratório de mecânica dos pavimentos – Universidade Federal do Ceará). Para realização do programa experimental foi necessário primeiramente a secagem, o destorroamento dos solos e a remoção de possíveis materiais indesejados. Assim, foram realizados posteriormente os ensaios básicos de caracterização física, para determinação da classificação AASHTO, e os ensaios mecânicos de compactação, CBR e MR. Todo esse esforço laboratorial culminou num período de aproximadamente 5 meses. Vale ressaltar que alguns ensaios necessitam ser refeitos por problemas operacionais ou mecânicos.
Para inserção dos dados obtidos através do programa experimental em um banco de dados georreferenciado, usou-se o software livre de SIG Quantum Gis 2.10. Também foi utilizado o software LAB Fit para obter os modelos resilientes dos solos estudados. Além do MS Excel para implantação do modelo neural de Ribeiro (2016) e análise dos resultados.
3.2 Método
A fim de realizar uma análise comparativa entre os modelos preditivos das classes AASHTO, do CBR e do MR da RMF, desenvolvidos por Ribeiro (2013, 2016) várias etapas foram pré-definidas, baseadas em trabalhos acadêmicos sobre essa temática. A Figura 4 ilustra, de maneira resumida, a sequência de cada etapa desenvolvida no estudo.
Figura 3 – Fluxograma do Método Proposto
Fonte: Autoria própria, 2023.
• Obtenção de Informações geotécnica da RMF
Nessa etapa buscou-se informações sobre os solos da RMF, principalmente nos estudos de Ribeiro, 2013 e 2016, para ilustrar, por meio de mapas, as características geotécnicas da região.
• Esforço Amostral
A coleta de solos para representar a RMF e validar os modelos geotécnicos de Ribeiro 2013 e 2016 foi realizada de forma estratégica, buscando pontos diversos e abrangentes em toda região de estudo, e selecionando jazidas ou taludes de estradas vicinais.
• Execução do Programa Experimental
Os ensaios a serem realizados são baseados nos ensaios de caracterização física e mecânica aplicados à pavimentação. O programa experimental para os solos, resume nos seguintes ensaios:
– DNER – ME 051/1994 – Análise Granulométrica de solos;
– DNER – ME 082/1994 – Limite de Plasticidade;
– DNER – ME 122/1994 – Limite de Liquidez;
– DNER – ME 162/1994 – Ensaio de Compactação;
– DNER – ME 049/1994 – Determinação do CBR;
– DNIT – ME 134/2010 – Determinação do módulo de resiliência.
• Cruzamento dos solos coletados com os mapas geotécnicos
Nesta etapa foi realizado o cruzamento dos pontos georreferenciados dos solos coletados sobre o mapeamento de comportamento mecânico pelo CBR e da Classificação AASHTO dos solos da RMF, elaborado por Ribeiro (2013), a fim de se verificar a similaridade das características esperadas com as coletadas.
• Geração do modelo resiliente
No ensaio de módulo de resiliência é obtido um valor de MR para cada par de tensão, assim, após aplicação de todos os pares de tensão é possível obter um MRmed. Mas a melhor forma de expressar o módulo resiliente é por meio de uma equação, assim foi utilizado o LAB Fit para obter modelos que representam o comportamento resiliente dos solos estudados.
• Aplicação do modelo de Ribeiro (2016)
Ribeiro (2016) desenvolveu um modelo neural para estimar o comportamento resiliente dos solos no estado do Ceará a partir de ensaios geotécnicos convencionais (Análise Granulométrica e Compactação). Como foram disponibilizados os valores dos pesos sinápticos e dos biases entre a camada de entrada, camada intermediária e a de saída do modelo, foi possível implantar o modelo numa planilha de Excel, e assim aplicar aos solos coletados e obter um valor de MRmed.
• Análise Comparativa dos modelos de Ribeiro 2013 e 2016 x Programa experimental.
Para verificação da eficácia dos modelos disponíveis para gerar informações de classe AASHTO, CBR e MR foi correlacionado os valores obtidos com os valores esperados para o caso das variáveis numéricas, como é o caso do CBR e do MR. Como a classificação AASHTO é uma variável nominal, a validação foi feita pela taxa de acerto.
4. CARACTERIZAÇÃO DA REGIÃO METROPOLITANA DE FORTALEZA (RMF)
4.1 Considerações iniciais
A Região Metropolitana de Fortaleza está localizada no nordeste do estado do Ceará, um dos 9 estados do nordeste Brasileiro, ocupando uma área de 744.005,3 hectares. É formada, atualmente, por 19 municípios: Fortaleza, Caucaia, Maranguape, Pacatuba, Aquiraz, Maracanaú, Eusébio, Guaiúba, Itaitinga, Chorozinho, Pacajus, Horizonte, Trairi, Paraipaba, Paracuru, São Luís do Curu, São Gonçalo do Amarante, Pindoretama e Cascavel (IBGE 2021). A Figura 5 ilustra a localização da RMF.
Figura 4 – Mapa de Localização da RMF
Fonte: IBGE, 2023 (Elaborado pela autora).
A RMF ocupa cerca de 5% da área total do estado do Ceará e possui uma população estimada em de 4.167.996 habitantes, o que representa 45,11% da população total do estado (IBGE, 2021). Nessa região está inserido o Complexo Industrial e Portuário do Pecém (CIPP), nos limites dos municípios de São Gonçalo do Amarante e Caucaia, bem como os polos industriais de Maracanaú e Horizonte-Pacajus que abrigam a maior parte da produção industrial do estado. A indústria da RMF é diversificada em vários setores, sendo os principais: vestuário, alimentos, metalurgia, têxtil e químico. O turismo é outra atividade bastante representativa na economia da RMF.
4.2 Mapeamento Geotécnico dos solos – RMF realizado por modelagem preditiva
Ribeiro (2013) desenvolveu modelos neurais, dedicados à estimação da classificação AASHTO e do CBR para RMF. As variáveis preditas e preditoras foram oriundas de as
built, respectivamente, de estudos geotécnicos de projetos rodoviários já executados na RMF e de características biofísicas locais. Com o modelo gerado, o autor estimou tanto a classificação AASHTO, quanto o CBR para toda a RMF, gerando o mapeamento geotécnico dos solos naturais da RMF, da estimação do CBR e da classificação AASHTO, com a mesma precisão dos modelos gerados.
A Figura 6 mostra um mapa da generalização do modelo na RMF para o CBR na energia normal (CBR-N) com precisão de 90%, e a Figura 7 detalha melhor os percentuais por cada valor de resistência mecânica através do CBR de solos da região. Observando se o mapa e o gráfico, gerados por Ribeiro (2013), verifica-se que, aproximadamente, 93% dos solos da RMF têm valores de CBR-N entre 1 e 30%, mas 83% dos solos encontra-se no intervalo de 1 e 20%, de onde foi possível concluir que 17% dos solos ocorrentes na RMF podem ser empregados sem estabilização, em camadas de pelo menos sub-base de pavimentos, pois podem apresentar valores acima de 20%.
Figura 5 – Mapa do CBR-Energia Normal para RMF
Fonte: Ribeiro, 2013
Figura 6 – Percentuais de CBR-N para a RMF
Fonte: Ribeiro, 2013
Ribeiro (2013) também gerou um modelo de previsão da classificação AASHTO, com índice de acerto superior a 90% e generalizou as classes AASHTO para a toda a RMF, como ilustrado na Figura 8. Na Figura 9, tem-se os percentis atribuído a cada classe, e percebe-se que os solos do tipo A-2-4 têm maior predominância, cerca de 50% do total, ocupando a maior parte da área ante aos demais e que os solos A-1-a tem representação inferior a 0,5%, quase não aparecem, ficando imperceptíveis no mapa.
Figura 7 – Mapa da Classificação AASHTO da RMF
Fonte: Ribeiro, 2013.
Figura 8 – Percentuais dos Grupos TRB da RMF
Fonte: Ribeiro, 2013.
Agrupando-se as classes AASHTO de acordo com os níveis de intervalos informados na tabela de classificação AASHTO, Ribeiro (2013) obteve mapas que representam os materiais constituintes dos solos, conforme mostram as Figuras 10 e 11.
Assim, tem-se que cerca de 50% dos solos presentes da RMF são constituídos de pedregulhos e areias siltosas ou argilosas.
Figura 9 – Mapa dos materiais constituintes dos solos da RMF
Fonte: Ribeiro, 2013.
Figura 10 – Mapa da Classificação geral dos solos (Granulares e Silte-Argilosos) da RMF
Fonte: Ribeiro, 2013.
Na classificação geral da AASHTO (Figura 11) observa-se que aproximadamente 65% dos materiais que cobrem a RMF, são materiais granulares, o que reflete no comportamento para pavimentação como subleito de excelente a bom. De maneira geral, pode-se considerar que a partir dessa metodologia, os solos da RMF têm bom comportamento mecânico para serem empregados em camadas de pavimentos de baixo volume de tráfego e até rodovias com tráfego pesado sem necessidade de estabilização e que podem se comportar como subleito de forma bem razoável (Ribeiro, 2016).
5. APRESENTAÇÃO E ANÁLISE DE RESULTADOS
5.1 Esforço Amostral
Para o subsídio desta investigação foi realizado um esforço amostral, no qual coletou-se 15 amostras de solos, localizados nos diversos municípios que compõem a RMF. As amostras foram extraídas de jazidas ou taludes naturais e sua localização pode ser observada no mapa da Figura 12.
Figura 11 – Mapa da distribuição espacial das amostras dos solos coletados
Fonte: Autoria própria, 2023.
A Figura 13 traz o aspecto visual das amostras de solos coletados e a Tabela 1 especifica a cidade de origem do solo, bem como sua posição geográfica, em Sirgas 2000, obtidas através de receptor GPS.
Figura 12 – Amostras de Solos – RMF
Fonte: Autoria própria, 2023.
5.2 Programa Experimental
5.3 Classificação AASHTO
As amostras coletadas passaram pelos ensaios de granulometria e índices de consistência. Assim, foram classificadas de acordo com as recomendações da AASHTO e apresentaram, em sua maioria, classificação A-2-4, conforme esperado no estudo de Ribeiro (2013), apresentando ainda a ocorrência de solos A-3, A-6 e A-7, como indicado na Tabela 2.
Paralelo a isso, RIBEIRO (2013) disponibilizou os mapas da classificação AASHTO e do CBR na web pela ferramenta Webmapping, em dimensão e escalas reais. Assim, esses mapas foram transferidos para um ambiente SIG, onde foi possível cruzar as coordenadas das amostras coletadas com os mapas. Nas Figuras 14, 15 e 16 é possível observar os mapas da estimativa da classificação AASHTO, dos materiais constituintes e do comportamento dos materiais, com as amostras dos solos coletados. Percebe-se que a amostra 2 ficou fora da zona mapeada, pois a configuração da RMF sofreu a inclusão de mais quatro municípios.
Tabela 2: Classificação AASHTO das amostras coletadas
Autoria própria, 2023.
Figura 13 – Pontos amostrais versus Classificação AASHTO – RMF
Fonte: Autoria própria, 2023.
Figura 14 – Pontos amostrais versus estimativas de Materiais Constituintes (Ribeiro, 2013)
Fonte: Autoria própria, 2023.
Figura 15 – Pontos amostrais versus Comportamento dos solos em pavimentação
Fonte: Autoria própria, 2023.
De posse do resultado do cruzamento das coordenados das amostras de solos com os mapas de predição da classificação AASHTO, foi elaborada a Tabela 3, onde pode-se visualizar as classes definidas pelos ensaios experimentais e as estimadas pelo mapeamento geotécnico preditivo de Ribeiro (2013). Também foi possível associar os materiais constituintes e o comportamento dos materiais para pavimentação.
Tabela 3: Classificação dos solos: Laboratório x Estimativa do modelo de Ribeiro (2013)
Fonte: Autoria própria, 2023.
Considerando os dados apresentados na Tabela 3, é possível identificar que 8 das 14 amostras possuem a mesma classificação, tanto pela variação de mais ou menos 100 Mpa no procedimento experimental, quanto pela estimativa fornecida pelo mapeamento de Ribeiro (2013), o que representa 57% de acertos. Observa-se que todos os acertos estão associados à classe A-2-4, mas ressalta-se que houve casos onde a estimativa deveria ser A-2-4, mas os ensaios de laboratório mostraram classe A-3, assim como amostras consideradas A-2-4 foram estimadas como A-4. Como os erros não foram para classes de mesmo nível de material, o acerto quanto aos materiais constituintes permanece o mesmo, 57%.
Já quanto ao comportamento dos materiais, como é considerado material bom a excelente os classificados entre as classes A-1 e A-3, e os demais são considerados sofríveis, a taxa de acerto passou para 71%. Esses erros ocorreram, pois, além dos solos serem materiais heterogêneos, o mapeamento de Ribeiro (2013) foi feito com a mesma precisão do modelo gerado, em média 90%.
5.4 CBR
As amostras de solo coletadas apresentaram CBR de até 33,5%, mas no geral se apresentaram em duas faixas, uma variando de 8 a 14% e outra de 22 a 33,5%, como pode ser observado na Figura 17.
Figura 16 – Valores de CBR para os solos amostrados.
Fonte: Autoria própria, 2023.
Cruzando-se os pontos das amostras de solo com o mapa de predição de CBR da RMF produzido por Ribeiro (2013), como ilustra a Figura 18, foi possível identificar o valor estimado de CBR para cada ponto de coleta. Na Tabela 4 pode-se observar esses valores estimados associados com os valores obtidos em laboratório. Como o mapa de predição de CBR adota intervalos de até 5%, foi adotado o valor médio de cada categoria.
Figura 17 – Pontos amostrais versus estimativas de CBR – RMF (Ribeiro, 2013)
Fonte: Autoria própria, 2023.
Tabela 4: CBR obtido em laboratório versus CBR estimado pelo modelo de Ribeiro (2013)
Fonte: Autoria própria, 2023
Observa-se que, no geral, os valores dos CBR de laboratório apresentaram valores maiores que os estimados. Desconsiderando-se a amostra de solo 2, que foi extraída de uma área ainda sem este mapeamento geotécnico de predição de CBR, e correlacionando os demais valores de CBR, obtidos em laboratório com os estimados, obteve-se um índice de determinação de 56%, como ilustra a Figura 19. O resultado se mostrou mais representativo para os solos com CBRs de até 25%.
Figura 18 – Correlação entre os valores de CBR obtidos no programa experimental e os previstos pelo modelo de RIBEIRO, 2016
Fonte: Autoria própria, 2023.
5.4.1.2 Módulo Resiliente (MR)
O ensaio de MR conta com duas fases, a de condicionamento, que tem a finalidade de eliminar as deformações plásticas iniciais e a fase de registro das deformações. Durante a fase de registro de deformações, são utilizadas diferentes tensões de confinamento (σ3), que correspondem à pressão de ar injetada dentro da célula do equipamento, e tensões solicitantes (σ1), totalizando 18 pares de tensões.
Das 15 amostras de solos em estudo, 5 não passaram pela fase de condicionamento. Aqueles que passaram, apresentaram valor médio do ensaio de aproximadamente 490 Mpa. Destes, a maioria foi classificada como A-2-4, e valor médio do módulo ficou próximo ao intervalo típico para esse tipo de solo, de acordo com o banco dados da pesquisa de RIBEIRO (2016), que desenvolveu um modelo de previsão do módulo de saída do ensaio triaxial, levando em consideração os dados do ensaio de granulometria e compactação, bem como as tensões confinantes e desvio.
Para essas amostras de solos, nos quais foi possível o ensaio de MR, foi verificado se as faixas das características físicas encontravam-se dentro do limite utilizado no modelo de predição de MR de Ribeiro (2016). Assim foi implantado esse modelo neural de previsão de módulo de resiliência de RIBEIRO (2016) em uma planilha Excel e aplicado aos solos, a partir das características básicas dos solos, obtendo os módulos médios de resiliência. Notou-se, como mostra a Figura 20, que no geral os valores de MRmed previstos pelo modelo neural são bem mais elevados que valores obtidos diretamente no ensaio.
Figura 19 – Valores médios de MRs obtidos no programa experimental versus MRs previsto pelo modelo de RIBEIRO, 2016
Fonte: Autoria própria, 2023.
Identifica-se que as principais semelhanças de resultados, entre o MR ensaiado em laboratório e o MR previsto pelo modelo de Ribeiro (2016), ocorreram quando o modelo estima valores de MR entre 200Mpa e 415Mpa, que é o caso dos solos 4, 5, 10 e 15.Apesar de apresentarem valores mais próximos, principalmente no caso da amostra de solo 10, ainda existe uma diferença média de cerca de 95Mpa entre o valor estimado obtido a partir do ensaio laboratorial. Assim, sugere-se ajustar o modelo acrescentando se 95Mpa ao valor previsto. Ressalta-se que esses solos pertencem à classe AASHTO A 2-4.
Observando os solos 9 e 12, também classificados como A-2-4, mas apresentando previsão de MR abaixo de 120Mpa e valor de MR, a partir do ensaio convencional de 500Mpa a 720MPa, nota-se uma diferença bem significativa. Essa diferença apresenta valor semelhante entre as amostras, o que pode ser considerado como um erro sistemático para essa ocasião. Assim, aconselha-se somar ao valor previsto 530Mpa, que representa a média da diferença entre o MR de laboratório e o estimado pelo modelo neural.
Já para os solos que apresentaram valor estimado de MR maior que 1000Mpa, como os solos 3, 6, 7 e 14, o MR de laboratório se mostrou inferior, em média 635Mpa. Assim, sugere-se para esses casos a subtração de 635MPa do valor estimado. Vale ressaltar que esses solos apresentaram classificações AASHTO diversas, como A-7-6, A-3, A-2-4 e A-6.
A Figura 21 representa os valores de MR estimado e determinado em laboratório para as amostras de solos, considerando o ajuste sugerido. Para uma melhor visualização e comparação foi adotada a mesma escala. Observa-se ainda uma diferença entre os resultados, na ordem de 100Mpa. Tem-se também que, no geral, o valor previsto é inferior ao de um laboratório, trabalhando assim com uma margem de segurança.
Figura 20 – Valores médios de MRs obtidos no programa experimental versus MRs previsto pelo modelo de Ribeiro (2016) versus MRs previstos ajustados
Pode-se afirmar então que o modelo de Ribeiro (2016) é mais assertivo para solos da A-2-4, provavelmente por ter sido a maioria das amostras no banco de dados que gerou o modelo. A faixa de 200Mpa a 415Mpa representa o intervalo associado a essa classe, de acordo com o banco de dados utilizado por Ribeiro (2016), o que justifica serem as amostras com melhor aproximação entre o MR ensaiado e o estimado pelo modelo neural.
6. CONSIDERAÇÕES FINAIS
Para reconhecimento dos solos disponíveis para obras rodoviárias da RMF, foram extraídas amostras de solos em jazidas ou taludes naturais, que ocorrem dentro dos limites da área de estudo. O comportamento desses solos quanto a classificação da AASHTO (American Association of State Highway and Transportation Officials), conforme esperado no estudo de Ribeiro (2013), foi, em sua maioria, classificado como A-2-4, tendo também ocorrência de solos A-3 e A-7, validando o modelo de RIBEIRO et. al (2013) com uma taxa de acerto na ordem de 70%.
Generalizando-se esses materiais quanto ao seu provável comportamento em pavimentação, a taxa de acerto chega até de 92,31%. Os solos estudados apresentaram CBR’s que variaram de 8 a 33%, obtendo-se um coeficiente de correlação de 0,56 em relação ao modelo de RIBEIRO (2013), o que certamente ratifica que a maioria das amostras coletadas refletem o comportamento previsto no seu mapeamento.
As amostras de solos coletadas e ensaiadas, quando submetidas ao ensaio triaxial de cargas repetidas, apresentaram MRs médios no intervalo de 380 a 550Mpa. Adicionalmente, analisou-se o modelo de previsão de MR de Ribeiro (2016), onde se pode afirmar que o modelo representou melhor os solos classificados como A-2-4. O modelo neural de Ribeiro (2016) se mostrou satisfatório, porém com limitação quanto ao uso de acordo com as faixas de MR previsto e uma variação de mais ou menos 100Mpa.
Essa diferença obtida após a análise do modelo deve-se a precisão com a qual o modelo foi gerado, e o fato dos solos serem materiais heterogêneos. Para aumentar a capacidade preditiva deste modelo, recomenda-se que sejam inseridas outras amostras de solo da região, como as que aqui foram coletadas.
REFERÊNCIAS
BASTOS, J. B. S. Influência da variação da umidade no comportamento de pavimentos da região metropolitana de Fortaleza. 164 f. Dissertação (Mestrado em Engenharia de Transportes) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2013.
BERNUCCI, L.B.; MOTTA, L.M.G.; CERATTI, J.A.P.; SOARES, J.B. (2006). Pavimentação asfáltica:formação básica para engenheiros. PETROBRAS: ABEDA, 2006.
DEPARTAMENTO NACIONAL DE INFRAESTRUTURA DE TRANSPORTES. DNER ME-162: Solos – ensaio de compactação utilizando amostras trabalhadas. Rio de Janeiro, 1994a.
________. DNER-ME 049: Solos – Determinação do Índice de Suporte Califórnia para não amostras trabalhadas. Rio de Janeiro, 1994b.
________.DNER-ME 041: Solos – preparação de amostras para caracterização. Rio de Janeiro, 1994.
________.DNER-ME 051: Solos – Análise granulométrica. Rio de Janeiro, 1994.
________.DNER-ME 082: Solos – Determinação do limite de plasticidade. Rio de Janeiro, 1994.
________.DNER-ME 122: Solos – Determinação do limite de liquidez – método de referência e método expedito. Rio de Janeiro, 1994.
DEPARTAMENTO NACIONAL DE INFRAESTRUTURA DE TRANSPORTE – DNIT ME 134: Pavimentação: Solos: Determinação do módulo de resiliência: Método de Ensaio. Rio de Janeiro, 2018.
DNIT. Departamento Nacional de Infraestrutura de Transportes. Manual de Pavimentação. Diretoria de Planejamento e Pesquisa. 274p Coordenação Geral de Estudos e Pesquisa. Instituto de Pesquisa Rodoviárias. 3 ed. –Rio de Janeiro, 2006. DRT. Department for Transport. Design manual for roads and bridges. United Kingdom, 2001.
ELLIOT, R.P., S.I. THORTON, K.Y. FOO, K.W. SIEW, and R. WOODBRIDGE, Resilient Properties of Arkansas Subgrades, Final Report, TRC-94, Arkansas Highway and Transportation Research Center, University of Arkansas, ayetteville,1988.
GONDIM, L. M. Estudo experimental de misturas solo-emulsão aplicado às rodovias do agro polo do Baixo Jaguaribe – Estado do Ceará. 213 f. Dissertação (Mestrado em Engenharia de Transportes) – Centro de Tecnologia, Universidade Federal do Ceará, 2008.
HUANG, Y. H. Pavement analysis and design. Prentice-Hall, Inc, 1993.
IBGE – Instituto Brasileiro de Geografia e Estatística. 2021. Panorama 2021. Disponível em: https://cidades.ibge.gov.br/brasil/ce/panorama. Acesso em 10 de Novembro de 2022.
LEMOS, J.R; SANTOS, A.A. (2013). Desenvolvimento de ferramenta computacional para dimensionamento de pavimentos pelo Método do DNER e da Resiliência. UNESC –Universidade do Extremo Sul Catarinense. 2013.
MACÊDO, J. A. G. Interpretação de Ensaios Deflectométricos Para Avaliação Estrutural de Pavimentos Flexíveis – A Experiência com FWD no Brasil, Tese de doutorado, COPPE/UFRJ, Rio de Janeiro, RJ, Brasil, 1996.
PEZO, R.F., A General Method of Reporting Resilient Modulus Tests of Soils: A Pavement Engineer’s Point of View, Presented at the 72nd Annual Meeting of the Transportation Research Board, Washington, D.C., Jan. 1993.
RIBEIRO, A. J. A. Um método para localização e estimação das características geotécnicas dos solos da região metropolitana de Fortaleza-Ce para fins de pavimentação. Dissertação (mestrado) – Universidade Federal do Ceará, Departamento de Engenharia de Transportes, Programa de Pós-Graduação em Engenharia de Transportes, Fortaleza, 2013.
RIBEIRO, A. J. A. Um modelo de previsão do módulo de resiliência dos solos no estado do Ceará para fins de pavimentação. Tese (Doutorado). Universidade Federal do Ceará, Departamento de Engenharia de Transportes, Programa de Pós-Graduação em Engenharia de Transportes, Fortaleza, Ceará, 2016.
SOUZA, M.L. Método de Projeto de Pavimentos Flexíveis. 3a ed. Revista e atualizada. Instituto de Pesquisas Rodoviárias. Public. IPR 667. Departamento Nacional de Estradas de Rodagem. Rio de Janeiro, 1981.
SOUZA JUNIOR, J. D. O Efeito da energia de compactação em propriedades dos solos utilizados na pavimentação do Estado do Ceará. 211 f. Dissertação (Mestrado em Engenharia de Transportes) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2005.
1Universidade Federal do Ceara (UFC)
2Instituto Federal de Educação, Ciência e Tecnologia do Ceará (IFCE)