Metodologia de baixo custo para mapeamento geotécnico aplicado à pavimentação

Abstract

Este artigo apresenta uma metodologia de baixo custo para previsão e mapeamento dos valores de CBR (California Bearing Ratio) dos solos nas energias de compactação normal (CBR-N) e intermediária (CBR-I), que possa contribuir para o processo da tomada de decisão, quanto ao seu uso para fins de pavimentação. Utilizou-se Geoprocessamento e Redes Neurais Artificiais (RNA) como técnicas de modelagem, bem como variáveis biofísicas e espaciais para explicar o fenômeno modelado. As características pesquisadas (pedologia, geologia, geomorfologia, vegetação, altimetria e posição) se correlacionaram com os valores de CBR dos solos nas duas energias de compactação. Os dados de CBR foram extraídos de projetos e estudos pré-existentes na área escolhida, neste caso, a Região Metropolitana de Fortaleza (RMF). Dessa forma, calibraram-se, validaram-se e testaram-se diversos modelos em RNA até encontrar os dois modelos de melhor ajuste para a geração de estimativas de CBR-N e CBR-I. As características geotécnicas estimadas por esses modelos possibilitaram a elaboração de dois Mapas Geotécnicos Neurais estratificados para previsão dos valores de CBR-N e CBR-I. Os resultados mostram claramente que a técnica de Redes Neurais Artificiais é promissora, tanto para estimar as propriedades mecânicas dos solos quanto para prever sua ocorrência e localização na área estudada.

Keywords

• Geotecnia
• Modelagem Neural
• Geoprocessamento.