Estrutura de projeto baseada em confiabilidade assistida por IA para revestimentos de concreto de túneis em rochas fracas

Túneis mais seguros em solos incertos

Os túneis transportam trens, carros, água e energia por montanhas e cidades, mas são escavados em rochas que nunca são perfeitamente conhecidas. Em rocha fraca ou fragmentada, os projetistas precisam estimar quão resistente é realmente o terreno e quanta espessura de concreto é necessária para evitar que o túnel se deforme por apertamento. Este estudo mostra como combinar mecânica clássica das rochas, probabilidade e inteligência artificial moderna pode transformar essa estimativa em um projeto baseado em risco mais claro, para túneis mais seguros e econômicos em terrenos desafiadores.

Por que projetar túneis é tão difícil

Quando engenheiros projetam um túnel, precisam decidir qual deve ser a espessura do revestimento de concreto e a qualidade do concreto a ser usada. O projeto “determinístico” tradicional assume valores únicos para resistência da rocha, tensões naturais e propriedades dos materiais, e então verifica se o revestimento é suficiente usando um fator de segurança. Mas a rocha real é variável: resistência, rigidez e estrutura podem mudar de metro a metro. Ignorar essa variabilidade pode tornar um projeto otimista demais (inseguro) ou desnecessariamente pesado (muito caro). O projeto probabilístico, em contraste, trata cada propriedade chave como um intervalo com uma probabilidade, e estima a chance de falha do revestimento. Este artigo aplica esse pensamento baseado em risco especificamente a revestimentos de túneis em rocha fraca, onde a incerteza importa mais.

Ligando rocha, revestimento e movimento do maciço

O núcleo da estrutura é um método chamado convergência–confinamento, que conecta como a rocha ao redor de um túnel circular se deforma (convergência) com a resistência que o revestimento oferece (confinamento). A rocha é descrita por uma regra de ruptura amplamente usada para maciços rochosos fraturados, enquanto o revestimento de concreto é tratado como elástico até sua resistência de esmagamento. São construídas duas curvas: uma mostra como a rocha reage à abertura e relaxamento do túnel, e a outra mostra como o revestimento resiste quando carregado. Sua interseção fornece a pressão sobre o revestimento e um fator de segurança baseado em pressão. Neste trabalho, cada quantidade controladora — a tensão in situ, resistência da rocha, índice de qualidade da rocha, raio do túnel, rigidez do revestimento, resistência do revestimento e espessura do revestimento — é modelada como uma variável aleatória. Usando milhares de amostras de Monte Carlo e um método de confiabilidade bem estabelecido (FORM), os autores calculam tanto um fator de segurança quanto uma probabilidade explícita de falha para cada projeto.

Treinando uma IA para prever a segurança do túnel

Executar simulações probabilísticas completas para muitas opções de projeto pode ser demorado. Para superar isso, os autores treinam um substituto de inteligência artificial usando programação por expressão genética, uma forma de regressão simbólica que produz uma equação em forma fechada em vez de um modelo caixa-preta. Eles geram grandes conjuntos de dados a partir de seu motor de confiabilidade em planilha e então evoluem uma fórmula compacta que prevê o fator de segurança baseado em pressão a partir de oito entradas-chave, incluindo dimensão do túnel, propriedades da rocha e propriedades do revestimento. A equação final reproduz muito bem os resultados probabilísticos, com correlação acima de 0,99, e é ligeiramente conservadora: tende a prever um fator de segurança um pouco menor que a média das simulações completas. Esse viés é, na verdade, útil em projetos focados na segurança, porque evita previsões excessivamente confiantes ao oferecer aos engenheiros uma forma rápida de explorar muitas combinações.

O que espessura e qualidade do concreto realmente fazem

Usando essa estrutura combinada, o estudo explora como mudanças na espessura do revestimento e na qualidade do material afetam a segurança do túnel em rocha fraca. Dois tipos de concreto são examinados: um concreto convencional com resistência de cerca de 20 MPa e um concreto de pós reativo reforçado com fibras (FRPC) muito mais resistente, na faixa de 65 MPa. Para concreto de baixa resistência e pequenas espessuras, a probabilidade de falha pode exceder 60%; à medida que a espessura aumenta para cerca de 200 mm e além, essa probabilidade tende a cair para zero. Para o FRPC de alta resistência, mesmo revestimentos relativamente finos atingem probabilidades de falha muito baixas, e espessuras moderadas são suficientes para alcançar níveis de confiabilidade rigorosos. Os resultados são apresentados como gráficos e mapas de calor que ligam espessura e resistência diretamente a índices de confiabilidade e probabilidades de falha, oferecendo aos projetistas orientação visual clara em vez de depender de um único fator de segurança fixo.

Transformando fatores de segurança em decisões baseadas em risco

Para um não especialista, a mensagem principal é que um fator de segurança sozinho não é uma medida completa da segurança de um túnel. Este trabalho mostra como traduzir entre fatores de segurança tradicionais e chances explícitas de falha, e como escolher a espessura do revestimento e a qualidade do material para atingir um alvo de risco escolhido em vez de uma regra empírica genérica. Ao incorporar um modelo de IA interpretable em um motor de confiabilidade transparente, os autores demonstram uma maneira prática de projetar revestimentos de túneis que sejam ao mesmo tempo mais seguros e mais econômicos, especialmente em rochas fracas e imprevisíveis. Em vez de adivinhar e superdimensionar, os engenheiros podem agora quantificar quanto o risco é reduzido quando escolhem um revestimento mais espesso, um concreto mais resistente como o FRPC, ou ambos, aproximando o projeto de túneis da gestão de risco moderna e baseada em dados.

Citação: Khani, J., Nejati, H.R., Goshtasbi, K. et al. AI-assisted reliability-based design framework for tunnel concrete linings in weak rocks. Sci Rep 16, 14270 (2026). https://doi.org/10.1038/s41598-026-44903-9

Palavras-chave: revestimento de túnel, rocha fraca, projeto baseado em confiabilidade, espessura do concreto, inteligência artificial