Calibração de parâmetros-chave para estimativas de recalques usando ensaio CPTU

Abstract

Para as estimativas de recalques pelo modelo de Terzaghi, é essencial utilizar os coeficientes de compressibilidade e índice de vazios do solo, parâmetros adquiridos por meio de ensaios de adensamento, os quais demandam a obtenção de amostras indeformadas de solo. Além disso, os recalques também podem ser estimados pelo modelo Janbu, onde o módulo modificador (m) é denominado de m1 ao utilizar dados do ensaio de adensamento, e m2 que correlaciona com dados de ensaio CPTU e número modificador de módulo (α). O parâmetro α pode ser calibrado a partir de um banco de dados confiável, em que m2 corresponda a m1. Dessa forma, a análise deste trabalho consiste na calibração de α para estimativas de recalques utilizando resultados de ensaio CPTU ou de caracterização física simples, tornando-se uma ferramenta complementar às campanhas de investigação geotécnica baseadas em ensaios de adensamento em laboratório. A calibração de α foi conduzida por meio de correlações univariadas e multivariadas. Para a primeira, o software Excel foi utilizado para examinar ajustes para α (como α^2 e 1/α), linhas de tendência e R². Já para a segunda análise, o software RStudio, utilizando a linguagem R, foi empregado para avaliar a aderência dos resíduos à normalidade, multicolinearidade e heterocedasticidade. Na análise univariada, foi estudada a correlação de parâmetros de ensaio CPTU ou de caracterização simples, inicialmente sem separação por texturas e posteriormente com separação (argila orgânica e turfa, argila orgânica, argila arenosa, areia argilosa e silte argiloso). Obtendo resultados favoráveis ao utilizar a correlação entre ɣd e α, sem separação por textura. Posteriormente, a análise seguiu de maneira multivariada, utilizando os modelos A (banco de dados original), BC (modelo A após transformação não-linear Box-Cox), B (usando variáveis dummy) e C (modelo B após utilização do procedimento stepwise). A primeira análise multivariada comprovou que as variáveis ɣn, ɣd, e, Cc e w influenciam nos resultados de α, corroborando os achados da análise univariada. Os modelos que melhor estimaram os valores de α foram A2/BC2 e A6, e após a análise de aderência dos resíduos à normalidade, multicolinearidade e heterocedasticidade, BC2 apresentou os melhores resultados. Assim como na análise univariada, os modelos B e C indicaram que a textura não é significativa para as análises, além possuírem boa correlação com m1, e, portanto, não foram utilizados para os demais testes. Ao final, foram plotados os valores de m1 por m2 estimados a partir do modelo definido no trabalho, obtendo bons resultados para valores de α.

For estimates of settlements using the Terzaghi model, it is essential to utilize the compressibility coefficients and void ratio of the soil, parameters acquired through consolidation tests that require obtaining undisturbed soil samples. Additionally, settlements can also be estimated using the Janbu model, where the modifying modulus (m) is denoted as m1 when using consolidation test data, and m2, which correlates with Cone Penetration Test with pore pressure measurements (CPTU) and the modulus modifying number (α). The parameter α can be calibrated from a reliable database, where m2 corresponds to m1. Thus, the analysis in this study involves the calibration of α for settlement estimates using CPTU results or simple physical characterization, becoming a complementary tool to geotechnical investigation campaigns based on laboratory consolidation tests. The calibration of α was conducted through univariate and multivariate correlations. For the former, Excel software was used to examine adjustments for α (such as α^2 and 1/α), trendlines, and R². For the latter analysis, RStudio software, using the R language, was employed to evaluate the adherence of residuals to normality, multicollinearity, and heteroscedasticity. In the univariate analysis, the correlation of CPTU or simple characterization test parameters was studied, initially without separation by textures and later with separation (organic clay and peat, organic clay, sandy clay, clayey sand, and clayey silt). Favorable results were obtained when correlating γd and α without texture separation. Subsequently, the analysis proceeded in a multivariate manner, using Models A (original database), BC (Model A after Box-Cox nonlinear transformation), B (using dummy variables), and C (Model B after stepwise procedure). The first multivariate analysis confirmed that the variables γn, γd, e, Cc, and w influence the results of α, corroborating the findings of the univariate analysis. The models that best estimated the values of α were A2/BC2 and A6, and after assessing the adherence of residuals to normality, multicollinearity, and heteroscedasticity, BC2 showed the best results. Similar to the univariate analysis, Models B and C indicated that texture is not significant for the analyses, and they also have a good correlation with m1 and were not used for further tests. In the end, the values of m1 by estimated m2 from the model defined in the study were plotted, obtaining good results for α values.