Previsão aprimorada do atrito e da coesão de solo não saturado reforçado com adição de finos de pedreira nanoestruturados (NQF)

Por que um solo mais resistente importa para o dia a dia

Estradas, aterros e fundações de edificações dependem da resistência do solo subjacente. Em muitas regiões tropicais, esse solo é um barro laterítico sensível à umidade que pode enfraquecer quando molhado e fortalecer ao secar, provocando fissuras, sulcos e reparos dispendiosos. Este estudo explora como tornar esses solos mais resistentes e previsíveis ao adicionar pós minerais reciclados e, em seguida, usar inteligência artificial para prever o desempenho do solo tratado. O objetivo é infraestrutura mais segura e duradoura, com menos ensaios de tentativa e erro em laboratório.

Transformando resíduos locais em aditivos úteis para solo

Os pesquisadores partiram de um solo laterítico problemático do sul da Nigéria, classificado como altamente plástico com conteúdo significativo de argila e resistência ao cisalhamento natural modesta. Eles combinaram esse solo com dois tipos de materiais finamente moídos, em grande parte derivados de resíduos. Um é um “cimento híbrido” feito a partir de cinza de casca de arroz ativada com uma pequena quantidade de cal, e o outro são finos de pedreira nanoestruturados produzidos triturando poeira de pedreira até partículas extremamente pequenas. Esses aditivos contêm óxidos reativos que podem se ligar aos minerais do solo e, graças ao seu tamanho diminuto, podem preencher poros entre os grãos, potencialmente aumentando tanto o atrito quanto a coesão na matriz do solo.

De testes trabalhosos a previsões inteligentes

Tradicionalmente, engenheiros precisam realizar ensaios de cisalhamento demorados e que exigem equipamentos para determinar duas propriedades-chave da resistência do solo: o ângulo de atrito e a coesão. Em vez de depender exclusivamente desses ensaios, este estudo gerou uma base experimental rica e então treinou modelos computacionais para prever essas propriedades a partir de medições mais simples. A equipe preparou muitas misturas em laboratório, variando as quantidades de cimento híbrido e dos finos de pedreira nanoestruturados e medindo onze propriedades de entrada, como teor de argila, plasticidade, densidade e características de umidade. Usaram um modelo de regressão linear simples como referência e depois aplicaram três abordagens “inteligentes” mais avançadas: máquinas de vetores de suporte, redes de função de base radial e redes neurais perceptron multicamada.

Como as máquinas aprenderam a interpretar o solo

O conjunto de dados, composto por 121 registros, foi dividido em uma parte maior para treinamento e uma parte menor para teste, imitando como um estudante primeiro estuda exemplos e depois realiza um exame. Cada modelo aprendeu a mapear os onze descritores de entrada do solo para as duas saídas alvo: ângulo de atrito e coesão. O desempenho foi avaliado com várias métricas padrão que verificam quão próximas as previsões estão dos resultados de ensaio reais e quão bem os modelos generalizam para dados não vistos. Embora todos os métodos tenham apresentado bom desempenho, as abordagens baseadas em redes neurais — especialmente o perceptron multicamada — se destacaram. Elas capturaram relacionamentos sutis e não lineares nos dados, alcançando correlações muito altas com as resistências medidas e erros de previsão muito baixos para ambos, atrito e coesão.

O que realmente controla a resistência no solo tratado

Para ir além de previsões em “caixa preta”, os autores realizaram uma análise de sensibilidade que classifica quais entradas são mais importantes. Eles descobriram que o peso do solo não saturado foi o fator dominante que controla o ângulo de atrito, ressaltando como a compactação e o estado de umidade governam a maneira como as partículas se esfregam e se travam. Para a coesão, o teor de argila emergiu como o mais influente, consistente com a forma como argilas finas e ativas e produtos cimentantes unem as partículas. Os próprios aditivos minerais — cimento híbrido e finos de pedreira nanoestruturados — também mostraram forte influência positiva, especialmente quando considerados junto com parâmetros de densidade e umidade. Esse quadro está em conformidade com a evidência microscópica: nanopartículas e ligantes derivados de cinza preenchem vazios, revestem grãos e constroem um esqueleto mais denso e mais coeso.

Do código de pesquisa a uma ferramenta de projeto utilizável

Para tornar o trabalho diretamente útil a profissionais, a equipe incorporou a rede neural de melhor desempenho em uma interface gráfica. Com essa ferramenta, um engenheiro pode inserir informações básicas do solo e da mistura e obter instantaneamente valores estimados de atrito e coesão, em vez de agendar novas rodadas de ensaios de cisalhamento avançados. A interface é projetada com base nas faixas experimentalmente suportadas de cada parâmetro, mas pode ser ampliada à medida que mais dados se tornem disponíveis ou adaptada a outros tipos de solo.

O que isso significa para projetos do mundo real

Para um não especialista, a conclusão é direta: o estudo mostra que pós locais derivados de resíduos podem melhorar significativamente a resistência de solos tropicais problemáticos, e que ferramentas modernas de aprendizado de máquina podem prever de forma confiável essa melhoria a partir de propriedades fáceis de medir. Essa combinação reduz tanto a pegada ambiental — ao reciclar resíduos agrícolas e de pedreiras — quanto o custo e a complexidade dos ensaios geotécnicos. Na prática, isso significa um projeto mais bem informado de estradas e obras de terra, especialmente em regiões onde os recursos laboratoriais são limitados, mas a necessidade por infraestrutura resiliente é alta.

Citação: Kamchoom, V., Van, D.B., Hosseini, S. et al. Enhanced forecasting of friction and cohesion of augmented unsaturated soil with nanostructured quarry fines (NQF) addition. Sci Rep 16, 8899 (2026). https://doi.org/10.1038/s41598-026-43458-z

Palavras-chave: solo não saturado, aprendizado de máquina, estabilização de solo, finos de pedreira nanoestruturados, engenharia geotécnica