Modelo de Regressão do Módulo de Resiliência de Solos para Dimensionamento de Pavimentos MeDiNa - Estudo de Concepção e Validação

Autor Responsável Antonio Junior Alves Ribeiro Data de envio 03052024 Data de aceite 27062024 DOI httpsdoiorg10159015177076RMAT20240220 Concepção e validação de um modelo de regressão do módulo de resiliência de solos aplicado no dimensionamento empíricomecanístico de pavimentos Design and validation of a regression model for soil resilience modulus applied in empiricalmechanistic pavement design João Paulo Ferreira de Lacerda1 Yhasmim Vitória Vanderlei Dias1 Flávio Santos Sousa Costa1 Nayra Maryelle Silva Batista1 Antonio Junior Alves Ribeiro1 1Instituto Federal do Ceará Laboratório de Mecânica dos Solos Av Plácido Aderaldo Castelo 1646 Planalto Juazeiro do Norte CE Brasil email jpaulolacerda47gmailcom diasyhasmimgmailcom flaviosantos150998gmailcom nayramaryellesbgmail com juniorribeiroifceedubr RESUMO O aparecimento precoce de problemas na estrutura dos pavimentos e o não cumprimento do horizonte de projeto não só provocam desconforto aos usuários devido às más condições de rolamento e a falta de segurança durante o tráfego como também demandam uma maior quantidade de matériaprima e capital para restauração recuperação ou reconstrução das estruturas danificadas Os métodos de dimensionamento de pavimentos flexíveis empíricosmecanísticos como o novo método brasileiro de dimensionamento MeDiNa consideram o comportamento mecânico das camadas e do pavimento como um todo e representam de maneira mais apropriada a relação existente entre as cargas solicitantes do tráfego e a resposta apresentada pelo pavimento O MeDiNa faz uso dos parâmetros de rigidez como o módulo de resiliência MR para realizar uma análise elásticoplástica da estrutura Este parâmetro por sua vez sofre algumas limitações de uso visto que é obtido em laboratório por meio de ensaios triaxiais dinâmicos que exigem a utilização de equipamentos complexos mão de obra especializada além de demandar uma quantidade significativa de material e apresentar uma difícil implementação em situações práticas tornando a execução do ensaio restrita fora das universidades e instituições acadêmicas Tendo em vista esta problemática este artigo propõe um modelo neural de regressão para previsão do módulo de resiliência obtido através dos parâmetros geotécnicos básicos e usuais Ademais para comprovar a viabilidade do modelo gerado foram realizadas simulações considerando os diversos tipos de vias bem como os modelos constitutivos elásticos do solo linear e nãolinear Demonstrando assim que se trata de um modelo satisfatório para previsão do módulo de resiliência que poderá ser empregado tanto em rodovias com volumes de tráfego moderado quanto emvolumes elevados quando não for possível a realização do ensaio Palavraschave Pavimentos Métodos empíricosmecanísticos Modelo neural Simulações ABSTRACT The early appearance of pathologies in sidewalks and failure to meet the design horizon not only cause discomfort for users due to poor road conditions and lack of safety during traffic but also demand a greater amount of raw materials and capital for restoration recovery or reconstruction of damaged structures Empiricalmechanistic flexible sidewalk design methods such as the new Brazilian design method MeDiNa take into account the mechanical behavior of the layers and the sidewalk as a whole and more appropriately represent the relationship between the traffic loads and the sidewalks response MeDiNa uses stiffness parameters such as the modulus of resilience MR to carry out an elasticplastic analysis of the structure This parameter in turn suffers some limitations in use since it is obtained in the laboratory through dynamic triaxial tests that require the use of complex expensive equipment specialized labor in addition to demanding a significant amount of material and being difficult to implement in practical situations making the test restricted outside universities and academic institutions In view of this problem this article proposes a neural regression model for predicting the resilience modulus obtained from basic and usual geotechnical parameters In addition to prove the viability of the model generated simulations were carried out considering different types of roads as well as linear and nonlinear LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 elastic soil constitutive models This demonstrates that it is a satisfactory model for predicting the modulus of resilience that can be used on roads with moderate to heavy traffic volumes when it is not possible to carry out the test Keywords Pavements Empiricalmechanistic methods Neural model Simulations 1 INTRODUÇÃO Tradicionalmente os projetos rodoviários nacionais ainda são realizados por meio de métodos empíricos de dimensionamento que se baseiam nos resultados do ensaio CBR California Bearing Ratio No entanto existe um consenso na literatura de que esses métodos são ultrapassados e não representam de maneira adequada a natureza dinâmica das cargas aplicadas 1 além de não considerar o comportamento mecânico das camadas e do pavimento como um todo 2 Comprometendo a durabilidade das estruturas e consequentemente gerando custos adicionais para restauração recuperação ou reconstrução O aparecimento precoce de problemas na estrutura dos pavimentos e o não cumprimento do horizonte de projeto não só provocam desconforto aos usuários devido às más condições de rolamento e a falta de segurança durante o tráfego como também demandam uma maior quantidade de matériaprima e capital para conservar as estruturas danificadas Tornando fundamental o estabelecimento de projetos e métodos mais eficientes que tornem essas estruturas capazes de suportar as solicitações impostas pela ação do tráfego LIU et al 3 apontam que a resiliência dos materiais granulares está diretamente ligada ao caminho de tensão aplicada resultando em variações na sua resposta à carga conforme a aplicação ao longo do tempo A resposta desses materiais às cargas é influenciada não apenas pela magnitude como também pela aplicação de carga ao longo do tempo logo a taxa na qual a carga é aplicada o número de ciclos e a distribuição em diferentes direções ou caminhos são fatores possíveis que podem ser levados em consideração Reconhecendose que os projetos de maneira geral são elaborados para se construir extensas vias e que o dimensionamento inadequado acarreta prejuízos no âmbito social ambiental e econômico Fazse necessária a adoção de métodos de dimensionamento que utilize os recursos disponíveis para desenvolver um modelo de pavimento que por meio de simulações projete de forma adequada uma estrutura de modo a atender às necessidades e condições locais Essas novas necessidades constituem o princípio base da abordagem empíricomecanística atualmente adotada por grande parte dos órgãos rodoviários ao redor do mundo para o dimensionamento de pavimentos flexíveis 4 O Departamento Nacional de Infraestrutura de Transportes DNIT publicou o novo método brasileiro de dimensionamento MeDiNa que representa de maneira mais apropriada a relação existente entre as cargas oriundas do tráfego de veículos e a resposta apresentada pelo pavimento Sendo o módulo de resiliência MR e a deformação permanente ou plástica DP os principais parâmetros utilizados para avaliar o comportamento de tensão e deformação por meio destes métodos Para materiais granulares o MR é obtido por meio de ensaios triaxiais dinâmicos de cargas repetidas que utilizam equipamentos sofisticados além de demandar mão de obra especializada quantidades significativas de material para sua execução e apresentar uma difícil implementação em situações práticas fato que torna a execução do ensaio restrita fora das universidades e instituições acadêmicas GHANIZADEH et al 5 cita que o valor aquisitivo demandado e o tempo necessário para a execução do ensaio triaxial dinâmico demonstram fundamentalmente a necessidade de desenvolvimento de novos métodos e técnicas que resultem em uma estimativa precisa para obtenção do parâmetro Portanto o presente artigo propõe um modelo neural de regressão para previsão do módulo de resiliência obtido através dos parâmetros de caracterização geral dos solos exigidos pelo DNIT nos projetos geotécnicos de obras rodoviárias bem como os pares de tensão desvio e confinante estabelecidos por norma do DNIT 6 Ademais para comprovar a viabilidade do modelo no emprego do dimensionamento de rodovias de tráfego moderado e alto foram realizadas diversas simulações considerando os modelos constitutivos elásticos do solo linear e nãolinear 2 REDES NEURAIS ARTIFICIAIS As redes neurais artificiais RNA consistem em um sistema de equações projetado para modelar com base no funcionamento do cérebro humano 7 De maneira geral constituemse em técnicas computacionais utilizadas para resolver problemas específicos e complexos que envolvem o reconhecimento de padrões ainda que seja desconhecido o comportamento das variáveis em questão 7 8 HAYKIN 9 define as RNAs como processadores maciçamente e paralelamente distribuídos constituídos de unidades de processamento simples os neurônios artificiais que têm a propensão natural para armazenar LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 conhecimento e tornálo disponível para o uso posteriormente Concomitantemente RODRIGUES DA SILVA et al 7 pontuam que uma rede neural constitui um sistema de elementos de processamento interligados e dispostos em camadas cujo aprendizado ocorre a partir de exemplos havendo a alteração dos pesos sinápticos a cada ciclo de iteração de modo a produzir a saída mais adequada para o fenômeno estudado A definição da topologia ou arquitetura de uma rede neural normalmente é realizada a partir de uma inspeção prévia dos dados e da complexidade do problema Na prática a quantidade de neurônio na camada oculta é usualmente definida de maneira empírica conforme a distribuição dos padrões de treinamento e vali dação da rede 7 HECHTNIELSEN 10 propôs que a quantidade de nós de uma rede neural pode ser estabe lecida a partir da Equação 1 N 2i 1 1 Onde N representa a quantidade de neurônios e i corresponde a quantidade de variáveis explicativas usadas para prever o fenômeno Segundo FLECK et al 8 existem três classes de arquiteturas de rede fundamentalmente diferentes as redes alimentadas com camada única as redes alimentadas com múltiplas camadas e as redes recorrentes Neste artigo será proposta uma rede alimentada com múltiplas camadas estruturada em uma camada de entrada camadas ocultas ou intermediárias e uma camada de saída A Figura 1 consiste em um exemplo ilustrativo da topologia de uma rede neural artificial de múltiplas camadas de acordo com A informação atravessa sucessivas camadas de neurônios que realizam um processamento da rede 7 Cada nó disposto na camada de entrada leva para a rede o valor de uma variável independente e cada ligação é firmada a partir de um peso que definirá a força de conexão entre os neurônios Uma das principais características de uma rede neural é a sua capacidade de aprender com o ambiente ao qual está inserida extrair conhecimento e generalizar 9 Assim no processo de aprendizagem a rede neural é estimulada pelo ambiente em que está inserida e sofre ajustes sucessivos dos pesos e limiares obtendose a saída mais adequada para explicar o evento estudado Dessa forma treinar uma rede consiste em ajustar os pesos sinápticos para que o vetor de saída seja compatível com o valor desejado para cada vetor de entrada 8 HEIDARABADIZADEH et al 12 cita que estudos anteriores focaram no uso de redes neurais artificiais para desenvolver modelos preditivos para MR Esses modelos foram desenvolvidos tanto para solos de grãos finos quanto para materiais granulares ZHANG 13 por meio de uma rede neural radial constatou que a massa unitária seca e o teor de umidade afetaram significativamente o MR dos solos da subbase Além disso RIAZ e AHMAD 14 observou a eficácia no uso de RNAs através da modelagem envolvendo os limites de Atterberg e os pares de tensões Figura 1 Topologia de uma rede neural artificial de múltiplas camadas 11 LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 3 MATERIAIS E MÉTODOS 31 Área de estudo O estado do Ceará localizado na região nordeste brasileira limitase a Norte com o Oceano Atlântico ao Sul com o Estado de Pernambuco a Leste com os estados do Rio Grande do Norte e Paraíba e a Oeste com o Estado do Piauí O estado possui 184 municípios e uma população em torno de 8794957 habitantes com uma densidade demográfica de 5907 habkm2 ocupando um espaço territorial de 148894447 km2 e 159442 km2 de área urbanizada ademais o estado conta com 91117 km de rodovias pavimentadas contabilizando 006 km km2 do território estadual 15 16 O transporte rodoviário é a principal forma de transporte de pessoas e mercadorias tendo uma ligação direta com a economia Só no ano de 2022 foram contabilizados cerca de 79532 caminhões de cargas percorrendo o estado 15 fato que demonstra a necessidade de rodovias resistentes para não haver o comprometimento das condições de rolamento e consequentemente não comprometam a segurança dos usuários e não exijam novos gastos públicos para sua restauração Sabendose da necessidade de atualização dos métodos de dimensionamento praticados no país e concomitantemente no estado este artigo propõe o desenvolvimento de um modelo de previsão do módulo de resiliência por meio dos resultados de ensaios geotécnicos básicos quando não for possível a realização do ensaio de MR A Figura 2 mostra a distribuição geográfica dos pontos das amostras de solos com ensaios de MR usados neste estudo os quais foram escolhidos em função das ocorrências de classes pedológicas a fim de melhor representar os tipos de solos existentes no estado do Ceará 32 Pesquisa e aquisição dos dados O banco de dados utilizado para o aprendizado da rede é composto por valores de MR extraídos de trabalhos acadêmicos dispostos na literatura e dos resultados de ensaios laboratoriais executados para melhor representar os solos da região Os dados da literatura foram extraídos de 1722 Os pontos amostrais dos solos ensaiados foram coletados nos municípios de Aiuaba Aracati Barbalha Baturité Beberibe Camocim Crateús Itarema Mombaça Limoeiro do Norte Paraipaba Santa Quitéria e Várzea Alegre Os ensaios foram realizados obedecendo às normas estabelecidas para ensaios de granulometria de solos 23 compactação 24 limite de liquidez 25 Figura 2 Geolocalização dos pontos de amostragens no Ceará Brasil LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 limite de plasticidade 26 CBR 27 na energia intermediária e módulo de resiliência 6 Vale ressaltar que o índice de plasticidade foi obtido através da diferença entre o limite de liquidez e o limite de plasticidade Em posse dos dados foi confeccionado um banco de dados com 1673 padrões de resultados proveniente dos ensaios de caracterização geotécnica como os dados dos ensaios de compactação umidade ótima e massa específica aparente granulometria peneiras 254 mm 95 mm 476 mm 2 mm 042 mm e 0074 mm limite de plasticidade limite de liquidez índice de plasticidade expansão CBR as tensões desvio e confinante e o módulo de resiliência Após definidos os parâmetros o banco foi separado em diversas configurações de tabelas com diferentes combinações de parâmetros para posterior modelagem 33 Modelagem neural A modelagem foi realizada por meio do software MATLAB versão R2015a Esta ferramenta possui um grande poder quando se trata de cálculos numéricos além de possuir capacidades gráficas cruciais para análise do tre inamento e criação de uma rede permitindo a manipulação de linhas colunas elementos individuais e partes de matrizes visto que os dados de entrada e saída da rede são estruturados por meio das matrizes 28 Além disso o programa possibilita a avaliação do desempenho do modelo utilizando o conceito do erro quadrático médio e da análise de regressão O modelo proposto foi concebido por meio da ferramenta de treinamento de RNAs que permitiu a criação de uma rede composta por uma camada de entrada uma camada intermediária e uma camada de saída O programa separou o banco de dados em três categorias 60 dos dados foram destinados ao treinamento da rede 20 foram designados para a etapa de validação e os 20 restantes foram remetidos para os testes Por fim foram simuladas diversas configurações de redes variandose os nós de entrada e o número de neurônios da camada intermediária objetivando a obtenção de uma rede com a menor quantidade de parâmetros preditores e um melhor custo de processamento 34 Simulações no MeDiNa O módulo de resiliência no MeDiNa pode ser utilizado por meio da representação linear e nãolinear sendo o primeiro expresso como a média dos MRs dos 18 pares de tensões estabelecidos pela norma e o segundo con siste em um modelo matemático que relaciona as constantes k1 k2 k3 e k4 e o MR por meio dos pares de tensões A determinação das constantes foi realizada por meio do software LABFit Vale ressaltar que foram utilizadas ambas representações para fins comparativos conforme realizado por DIAS et al 29 As simulações foram realizadas adotando os parâmetros referentes aos tipos de vias de sistema arterial principal primário e secundário do banco de dados do MeDiNa que representam rodovias com maiores vol umes de tráfego cujos valores máximos permitidos para deformação permanente e área trincada bem como o nível de confiabilidade estão expressos na Tabela 1 Como revestimento foi adotado o concreto asfáltico CBUQ de classe 1 constatado no próprio banco de dados do MeDiNa No que se refere à estrutura do pavimento o material utilizado nas camadas de base e subbase foram solobrita e solo arenosiltoso nãolaterítico NA extraídos de BASTOS 17 e VASCONCELOS 30 O material adotado para o subleito consta no banco de dados utilizado para o desenvolvimento de rede servindo de base para atestar a eficiência da RNA por meio do valor real do MR e o valor calculado para o mesmo solo com o objetivo de comparar o MR real disposto no banco de dados e o calculado pela rede no dimensionamento de pavimentos A Tabela 2 apresenta os parâmetros do tráfego utilizados nas simulações do MeDiNa dados coletados através de um projeto real de uma rodovia no estado do Ceará O Fator de Veículo foi adequado para os seguintes tipos de eixo padrão eixo simples duplo e triplo com roda dupla e eixo simples e duplo direcional com roda simples Os testes no MeDiNa foram realizados utilizando duas estruturas típicas com as espessuras das camadas obedecendo os seguintes critérios espessura da camada de base com 15 cm revestimento variando dentro do intervalo de 75 cm a 100 cm e a camada de subbase com 200 cm conforme mostra a Figura 3 Tabela 1 Valores máximos e confiabilidade TIPOS DE VIAS CONFIABILIDADE ÁREA TRINCADA DEF PERMANENTE mm Arterial principal 95 30 10 Arterial primário 85 30 13 Arterial secundário 75 30 20 LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 Tabela 2 Parâmetros do tráfego DADOS DO TRÁFEGO Volume médio diário 1 ano 327 Fator de veículo 1 ano 3417 Número de passagens anual do eixo padrão 1 ano 408E05 de veículos na faixa de projeto 100 Número de passagens anual do eixo padrão na faixa de projeto 3 Período do projeto em anos 10 Número total de passagens do eixo padrão na faixa de pedestres 468E06 Figura 3 Ilustração das estruturas pavimentares simuladas 4 RESULTADOS E DISCUSSÕES 41 Análise dos dados O modelo proposto foi obtido através da modelagem de 1673 valores de módulo de resiliência Foram utilizados como parâmetros explicativos a umidade ótima OT o índice de plasticidade IP e o percentual passante nas peneiras granulométricas que se apresentaram como melhor conjunto de variáveis para determinação do MR pela RNA Os parâmetros utilizados e o tratamento estatístico dos dados foram descritos na Tabela 3 Os resultados obtidos por meio da estatística descritiva demonstram que o banco de dados apresenta uma boa representatividade de dados visto que a generalização da rede para amostras fora do banco de dados será possível somente quando as variáveis da amostra a ser calculada estiver dentro do intervalo maiorigual ao MÍN e menorigual ao MÁX de cada variável expressa na Tabela 3 Portanto quanto maior a amplitude e variações no banco de dados melhor será a abrangência da RNA para futuras utilizações 42 Rede neural proposta A rede proposta foi desenvolvida utilizando a função de ativação tangente hiperbólica com intervalo de ativação entre 1 e 1 A avaliação do desempenho da rede foi realizada analisando os coeficientes de correlação fornecidos pelo MATLAB após a modelagem O modelo neural foi obtido por meio das seguintes variáveis preditoras umidade ótima de compactação OT índice de plasticidade IP percentuais passantes nas peneiras granulométricas 254 mm 95 mm 476 mm 20 mm 042 mm e 0074 mm e as tensões de desvio e de confinamento Esse modelo foi estruturado com uma camada de entrada contendo 10 nós uma camada oculta com 21 neurônios e uma camada de saída A 10211 conforme mostrado na Figura 4 29 Embora o modelo possua somente uma camada oculta é possível perceber a complexidade da rede proposta através de suas conexões Cada um dos parâmetros de entrada está conectado com todos os neurônios da camada oculta estabelecendo uma relação com a camada de saída por meio dos pesos e limiares advindos das conexões estabelecidas conforme ilustrado na Figura 4 Os pesos e limiares gerados após a modelagem estão ordenados em uma planilha disponibilizada por meio do QR code Figura 5 A Figura 6 dispõe de gráficos de dispersão linear que revelam a correlação entre os MRs presentes no banco de dados tidos como valor real MR ensaiado e calculados em todas as etapas do processo de modelagem treinamento validação e testes É importante destacar que o modelo proposto apresentou coeficientes de correlação em torno de 099 durante a fase de treinamento da rede e um coeficiente de 098 durante as fases de validação e teste Apontou TIRYAKI 31 o fator de correlação R superior a 08 como satisfatório na predição a partir da utilização de RNAs LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 Tabela 3 Estatística descritiva dos valores representados no banco de dados VARIÁVEIS MÍN MÁX AMP MÉDIA MODA MEDIANA DESV PAD VARIÂNCIA OT 4 17 13 9624 95 95 2501 6256 IP 0 20 20 4666 0 4 4834 23368 254 mm 80 100 20 9518 100 100 6803 46284 95 mm 40 100 60 82815 100 94 2037 414944 476 mm 22 100 78 77692 100 92 25678 659335 20 mm 18 100 82 74558 98 86 26167 68469 042 mm 14 9295 7895 56858 20 601 23964 574286 0074 mm 431 8683 8252 24263 13 19 16427 269838 MR MPa 50069 2038 1987931 44287 635 284216 35192 123847526 Figura 4 Modelo da rede neural artificial proposta Figura 5 QR Code pesos e limiares httpsmeqrcommobilepdf15172028 43 Simulações MeDiNa O software MeDiNa foi utilizado para avaliar o desempenho do MR calculado pela rede em situações de tráfego moderado a mais pesado Para tanto foram realizadas simulações alterando os tipos de vias espessura do reves timento e subbase alternando o modelo constitutivo do MR do subleito entre o resiliente linear e resiliente LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 nãolinear para avaliar o ATR gerado pela tensão induzida pelo eixo padrão A Tabela 4 apresenta os resultados dos ATRs totais dos pavimentos analisados com foco no comportamento da camada de subleito Diante dos dados obtidos nas simulações percebeuse que houve pequenas variações do ATR com dif erença máxima de 006 mm ao comparar o módulo de resiliência real e o calculado atendendose aos limites máximos de ATR para vias de sistema arterial principal primário e secundário que devem ser menores que 10 mm 13 mm e 20 mm respectivamente para toda a estrutura e o 5 mm para o subleito A Figura 7 apresenta graficamente os dados referentes a Tabela 4 comparando o ATR gerando a partir das estruturas dimensionadas com o MR real e calculado em todo o pavimento e no subleito aplicando diferentes estruturas variandose os tipos de vias espessura das camadas e modelo resiliente linear e nãolinear A Tabela 5 apresenta a relação da área trincada estimada do pavimento até o fim do período de 10 anos descrito na Tabela 1 proveniente da carga repetida de tráfego nas simulações dos pavimentos dimensionados para o MR real e o proposto pela rede Para esta análise é notório as pequenas variações entre as simulações testadas com máximas de 05 de diferença entre o módulo real e o proposto pela RNA para todo o pavimento além de se manter dentro dos limites permitidos para os tipos de vias que devem ser menores que 30 garantindo a confiabilidade da rede em todos os aspectos testados Além disso não houve diferenças significativas em representar o comportamento elástico do material pelo MR médio linear ou pelo MR representado por um modelo nãolinear SANTOS et al 32 através dos seus resultados indicaram que a não consideração do módulo de resil iência no dimensionamento do pavimento culminou na redução significativa da vida útil do projeto tanto para os valores de ATR quanto para trincamento por fadiga Isso ocorre devido ao superdimensionamento quanto à deformação permanente presente no método empírico de dimensionamento Portanto o MR calculado pela rede ao atender tempo de projeto e pouco diferir do dimensionamento realizado pelo MR real quanto a área trincada assegura a eficiência da RNA proposta Figura 6 Gráficos de dispersão obtidos durante o treinamento validação e teste do modelo Tabela 4 Afundamento de trilha de roda fornecidos pelo MeDiNa TIPOS DE VIAS MODELO CONSTITUTIVO SUBLEITO PAVIMENTO TOTAL ATR MR REAL mm ATR MR CALCULADO mm ATR MR REAL mm ATR MR CALCULADO mm Arterial Principal Linear 368 365 761 757 Nãolinear 336 330 706 698 Arterial Primário Linear 314 312 670 667 Nãolinear 288 282 624 616 Arterial Secundário Linear 283 281 598 596 Nãolinear 258 252 569 561 LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 Figura 7 Gráfico comparativo do afundamento de trilhas de roda Tabela 5 Área trincada estimada TIPOS DE VIAS MODELO CONSTITUTIVO ÁREA TRINCADA ATR MR REAL mm ATR MR CALCULADO mm Arterial Principal Linear 2950 2980 Nãolinear 2940 2990 Arterial Primário Linear 2940 2970 Nãolinear 2920 2960 Arterial Secundário Linear 2890 2920 Nãolinear 2900 2950 5 CONCLUSÕES O presente artigo propôs um modelo neural de regressão para previsão do módulo de resiliência obtido através dos parâmetros geotécnicos básicos e usuais de caracterização do solo O modelo proposto apresentou coefici entes de correlação em torno de 099 durante a fase de treinamento da rede e um coeficiente de 098 durante as fases de validação e teste indicando que se trata de um modelo de previsão eficiente Foram extraídos do modelo os pesos sinápticos e os limiares advindos das conexões existentes entre os neurônios das camadas da rede neural Estes valores foram dispostos em uma tabela permitindo assim a poste rior aplicação dos dados em planilhas de cálculo As simulações realizadas por meio do software MeDiNa consideraram tanto o MR calculado pela rede como também o MR real As simulações permitiram a verificação do afundamento de trilha de roda e a área trincada advindos do fluxo de tráfego Além disso as simulações foram realizadas considerando os modelos constitutivos linear e nãolinear Os resultados do ATR demonstraram que houve uma variação máxima de 006 mm entre o MR real e o MR calculado tendo como maior deslocamento vertical do ATR 757 mm da estrutura total simulada valor inferior aos 20 mm permitidos pelo software Os resultados obtidos para área trincada demonstram uma oscilação de 05 entre os MRs perman ecendo dentro do limite estabelecido Portanto o modelo neural se mostrou eficiente e promissor para o dimen sionamento de estruturas pavimentares em casos em que não for possível a realização do ensaio LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 Em estudos anteriores 33 constataram a alta precisão na predição dos valores de MR através da uti lização da RNA usando características do material e pares de tensões Portanto a utilização da rede proposta neste estudo traz uma perspectiva prática vantajosa tendo em vista que contribui para a atualização dos mét odos de dimensionamento tornando a obtenção do módulo de resiliência mais acessível fora das instituições acadêmicas Assim o modelo objetiva colaborar com o dimensionamento de pavimentos mais duráveis seguros e consequentemente estruturas que demandem menores custos e recursos para restauração ou recuperação 6 AGRADECIMENTOS Os autores agradecem à FUNCAP ao DNIT e ao IFCE pelo financiamento da pesquisa 7 BIBLIOGRAFIA 1 MAIA CL Análise comparativa de módulos de resiliência obtidos com o Geogauge para o controle de qualidade de camadas granulares dos pavimentos Tese de MSc Universidade Federal do Ceará Fortaleza CE Brasil 2016 2 GUABIROBA JVDOC REZENDE LRD BARROSO LX et al Estudo da fadiga e da deformação permanente de misturas asfálticas produzidas em Goiás Matéria Rio de Janeiro v 28 n 1 pp e13232 2023 doi httpdoiorg101590s15177076202300011332 3 LIU STOLLE D GUO P et al Stresspath dependency of resilient behaviour of granular materials The International Journal of Pavement Engineering v 15 n 7 pp 614622 2014 doi httpdoiorg101080 102984362013808340 4 CABRAL WS BARROSO SHDA SILVA SDAT Consideração da deformação permanente de solos ocorridos na região nordeste na análise mecanísticaempírica de pavimentos Matéria Rio de Janeiro v 26 n 4 pp e13096 2022 doi httpdoiorg101590s15177076202100041396 5 GHANIZADEH AR HEIDARABADIZADEH N HERAVI F Gaussian Process Regression GPR for autoestimation of resilient modulus of stabilized base materials Journal of Soft Computing in Civil Engineering v 5 pp 8094 2021 6 DEPARTAMENTO NACIONAL DE INFRAESTRUTURA DE TRANSPORTES DNIT ME 134 Pavimentação Solos Determinação do módulo de resiliência Rio de Janeiro DNIT 2018 7 RODRIGUES DA SILVA AN RAMOS RAR SOUZA LCL et al SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano regional e de transportes São Carlos EdUFSCar 2008 8 FLECK L TAVARES MHF EYNG E et al Redes neurais artificiais princípios básicos Revista Eletrônica Científica Inovação e Tecnologia v 1 n 13 pp 4757 2016 doi httpdoiorg103895recit v7n154330 9 HAYKIN S Redes neurais princípios e prática 2 ed Porto Alegre Bookman Editora 2001 10 HECHTNIELSEN R Neurocomputing 1 ed Reading MA AddisonWesley Longman Publishing Co Inc 1989 11 MATHIAS IM Aplicação de redes neurais artificiais na análise de dados de molhamento foliar por orvalho Tese de DSc Universidade Estadual Paulista Faculdade de Ciências Agronômicas Botucatu SP Brasil 2006 12 HEIDARABADIZADEH N GHANIZADEH AR BEHNOOD A Prediction of the resilient modulus of noncohesive subgrade soils and unbound subbase materials using a hybrid support vector machine method and colliding bodies optimization algorithm Construction Building Materials v 275 pp 122140 2021 doi httpdoiorg101016jconbuildmat2020122140 13 ZHANG X Radial basis function neural network predicting of resilient modulus for Shanxi subgrade soils In Proceedings of the 4th International Conference on Transportation Engineering pp 1734 1739 Chengdu 2013 doi httpdoiorg1010619780784413159252 14 RIAZ K AHMAD N Predicting resilient modulus a data driven approach integrating physical and numerical techniques Heliyon v 10 n 3 pp e25339 2024 doi httpdoiorg101016jheliyon2024 e25339 PubMed PMID 38327424 15 INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA httpscidadesibgegovbrbrasilce panorama acessado em janeiro de 2024 16 SUPERINTENDÊNCIA DE OBRAS PÚBLICAS SOPCE httpswwwcearagovbr20240419 comatualizacaoanualsopdisponibilizanovomaparodoviariodoceara acessado em junho de 2024 LACERDA JPF DIAS YVV COSTA FSS et al revista Matéria v29 n3 2024 17 BASTOS JBS Influência da variação da umidade no comportamento de pavimentos da região metropolitana de Fortaleza Tese de MSc Universidade Federal do Ceará Fortaleza CE Brasil 2013 18 BENEVIDES SAD Análise comparativa dos métodos de dimensionamento de pavimentos asfálticos empírico do DNER e da resiliência da COPPEUFRJ em rodovias do estado do Ceará Tese de MSc Universidade Federal do Rio de Janeiro Rio de Janeiro RJ Brasil 2000 19 CHAVES FJ Caracterização geotécnica de solos da formação Barreiras da Região Metropolitana de Fortaleza para Aplicação em Obras Rodoviárias Tese de MSc Universidade Federal do Rio de Janeiro Rio de Janeiro RJ Brasil 2000 20 SOUZA JUNIOR JD O efeito da energia de compactação em propriedades dos solos utilizados na pavimentação do estado do Ceará Tese de MSc Universidade Federal do Ceará Fortaleza CE Brasil 2005 21 RIBEIRO AJA Um modelo de previsão do módulo de resiliência dos solos no estado do Ceará para fins de pavimentação Tese de DSc Universidade Federal do Ceará Fortaleza CE Brasil 2016 22 MASCARENHAS IMN Caracterização geotécnica de solos na região metropolitana do CaririCE para uso em pavimentação Tese de MSc Universidade Federal do Ceará Fortaleza CE Brasil 2016 23 ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS NBR 7181 Solo Análise granulométrica Rio de Janeiro RJ ABNT 1984d 24 ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS NBR 7182 Solo Teste de compactação Análise de parâmetros que afetam a deformação permanente no pavimento rodoviário Rio de Janeiro ABNT 1986 25 ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS NBR 6459 Solo Determinação do limite de liquidez Rio de Janeiro RJ 1984b 26 ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS NBR 7180 Solo Determinação do limite de plasticidade Rio de Janeiro ABNT 1984 27 ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS NBR 9895 Solo Índice de suporte Califórnia ISC Método de ensaio Rio de Janeiro ABNT 2017 28 NARDO JUNIOR A Aplicação de Redes Neurais utilizando o software MATLAB Monografia Centro Universitário Eurípides de Marília Marilia SP Brasil 2005 29 DIAS YVV DE LACERDA JPF SOUSA FS et al Viabilidade do uso do módulo de resiliência do subleito previsto a partir de um modelo neural no dimensionamento de pavimentos In RAPvENACOR 25º Encontro Nacional de Conservação Rodoviária ENACOR 48ª Reunião Anual de Pavimentação RAPv pp 145156 Paraná Set 2023 30 VASCONCELOS SD Avaliação das cinzas de carvão mineral produzidas em usina termelétrica para construção de camadas de pavimentos Tese de MSc Universidade Federal do Ceará Fortaleza CE Brasil 2018 31 TIRYAKI B Predicting intact rock strength for mechanical excavation using multivariate statistics artificial neural networks and regression trees Engineering Geology v 99 n 12 pp 5160 2008 doi httpdoiorg101016jenggeo200802003 32 SANTOS TAD PINHEIRO RJB SPECHT LP et al Análise do desempenho de subleitos rodoviários à luz de conceitos da Mecânica dos Pavimentos Matéria Rio de Janeiro v 25 n 03 pp e12817 2020 doi httpdoiorg101590s15177076202000031117 33 PARK HI KWEON GC LEE SR Prediction of resilient modulus of granular subgrade soils and subbase materials using artificial neural network Road Materials and Pavement Design v 10 n 3 pp 647665 2009 doi httpdoiorg1010801468062920099690218