Análise de correlação entre a colapsibilidade do loess e índices fisico-mecânicos na região de Longdong e previsão do coeficiente de colapso com base em aprendizado de máquina

Por que o afundamento do solo importa no dia a dia

Em muitas partes do norte da China, cidades, estradas e canais foram construídos sobre um solo transportado pelo vento chamado loess. Esse solo pode compactar repentinamente quando fica úmido, fazendo o terreno afundar e danificando edificações e infraestruturas. O estudo resumido aqui investiga o loess na região de Longdong e mostra como medições simples e aprendizado de máquina moderno podem rapidamente indicar onde o terreno tende a permanecer firme e onde pode colapsar.

Solo frágil sob cidades em expansão

A região de Longdong situa-se no coração do Planalto do Loess, onde as camadas de loess podem alcançar dezenas de metros de espessura. À medida que novos projetos, como obras de desvio de água, ferrovias e loteamentos, se espalham por essa paisagem, os engenheiros precisam entender a probabilidade de o solo assentar quando umedecido. Ensaios tradicionais de colapsibilidade exigem trabalho laboratorial cuidadoso em muitas amostras e demandam tempo. Os autores coletaram 259 registros reais de ensaios em canteiros de obras ao redor da cidade de Qingyang, cada um incluindo a colapsibilidade medida do solo junto com propriedades físicas básicas, como profundidade, densidade, índice de vazios, teor de água e a facilidade de compressão do solo.

Pistas simples do solo que sinalizam problema

Usando análise estatística, os pesquisadores examinaram como a colapsibilidade medida do loess se relaciona com cada propriedade do solo. Eles descobriram que a quantidade de espaço vazio no solo, descrita pelo “índice de vazios”, tem a relação mais forte com o quanto o solo irá afundar. A profundidade abaixo da superfície também importa: camadas rasas, sob menor sobrecarga, são mais frouxas e mais propensas a colapsar, enquanto camadas mais profundas são naturalmente mais compactas. A saturação de água e a facilidade de compressão do solo têm efeitos secundários. A partir de milhares de pontos de dados, identificaram limites práticos. Nesta região, o loess com relativamente poucos vazios (índice de vazios abaixo de 0,960) e enterrado a mais de 16 metros quase nunca apresentou colapsos prejudiciais nos ensaios.

Uma regra rápida para verificações de terreno seguro

Com base nessas conclusões, a equipe propôs uma regra de triagem rápida para engenheiros de campo. Se uma camada de solo satisfizer ambas as condições — baixo índice de vazios e profundidade suficiente — ela pode ser considerada não colapsível com alta confiança, reduzindo muito a necessidade de ensaios detalhados de colapsibilidade nesses pontos. Quando verificaram essa regra com o conjunto de dados original e um conjunto independente de 62 novas amostras de locais próximos, a regra identificou corretamente solo não colapsível em cerca de 98% dos casos. As poucas amostras mal julgadas apresentaram valores de colapso exatamente no limite entre “seguro” e “inseguro”, refletindo a variabilidade natural do loess e das condições de ensaio.

Ensinando computadores a interpretar o solo

Para ir além de regras simples, os pesquisadores também treinaram modelos computacionais para prever o valor exato de colapso a partir de quatro medições-chave: profundidade, índice de vazios, saturação de água e comportamento de compressão. Eles compararam três métodos populares de aprendizado de máquina — florestas aleatórias (random forests), boosting extremo de gradiente (XGBoost) e máquinas de vetores de suporte — junto com uma fórmula mais simples de dois parâmetros. Todos capturaram as principais tendências, mas o modelo de gradient boosting destacou-se tanto pela precisão quanto pela estabilidade, ajustando-se muito bem aos valores medidos de colapso nos dados de treino e teste e classificando corretamente amostras colapsíveis versus não colapsíveis em mais de 92% das vezes.

Abrindo a caixa-preta das previsões

Como os engenheiros precisam confiar e entender essas previsões, os autores aplicaram uma ferramenta de explicação conhecida como SHAP para ver como cada entrada afeta a saída do modelo. As explicações confirmaram que índice de vazios e profundidade dominam a predição, com índices de vazios maiores e profundidades mais rasas levando o modelo a predizer maior colapso. Saturação de água e coeficiente de compressão têm efeitos mais sutis que variam caso a caso. A análise também destacou uma combinação particularmente arriscada: camadas com menos de aproximadamente 11 metros de profundidade e índice de vazios acima de 1,02 são especialmente propensas a colapsar quando umedecidas.

O que isso significa para construir sobre loess

Em termos simples, esta pesquisa mostra que um punhado de medições diretas do solo pode revelar muito sobre a segurança de construir sobre loess. Uma regra simples baseada em profundidade e espaço poroso pode rapidamente identificar camadas com muito baixa probabilidade de colapso, enquanto um modelo de aprendizado de máquina bem testado pode fornecer estimativas de risco mais precisas quando necessário. Juntos, esses instrumentos oferecem aos engenheiros da região de Longdong uma forma mais rápida e transparente de planejar fundações, reduzir surpresas custosas e projetar estruturas que permaneçam estáveis sobre um solo naturalmente frágil.

Citação: Liu, D., Wang, K., Bian, Y. et al. Correlation analysis between the collapsibility of loess and physicomechanical indices in Longdong region and prediction of the collapsibility coefficient based on machine learning. Sci Rep 16, 15939 (2026). https://doi.org/10.1038/s41598-026-45254-1

Palavras-chave: colapsibilidade do loess, mecânica dos solos, aprendizado de máquina, engenharia de fundações, região de Longdong