Análise e correlação de propriedades físicas e mecânicas de rochas da Formação Botucatu e Grupo Serra Geral

Abstract

A necessidade de se prever o comportamento mecânico da rocha diante das tensões impostas por uma obra de engenharia, seja apoiada ou escavada no material rochoso, é fundamental para que se reduza os riscos de acidentes e garantir o sucesso do empreendimento. Dois parâmetros amplamente utilizados e que quantificam esse comportamento são a resistência à compressão uniaxial (UCS) e o módulo de Young. A obtenção destes parâmetros envolve a execução de ensaios que demandam tempo, possuem custos elevados e, por serem destrutivos, impossibilitam a reutilização do material em caso de erros. Uma crescente tendência a prever estes dois parâmetros a partir de outras propriedades, físicas e mecânicas, obtidas a um custo menor e por ensaios não destrutivos, levou diversos pesquisadores a utilizarem técnicas estatísticas de regressão linear capazes de fornecer modelos de previsão significativos. Entretanto, estes modelos servem apenas para as rochas utilizadas na correlação, sendo necessárias calibrações para que seja possível utilizá-los em rochas de outros locais. Para rochas da Bacia do Paraná, este tipo de estudo é antigo e de difícil acesso. Desta forma, foram utilizados neste trabalho 38 corpos de prova de rochas da Formação Botucatu e Grupo Serra Geral, posicionados no topo da Bacia, com o objetivo de fornecer modelos que permitam prever o comportamento mecânico destas rochas. Foram realizados ensaios de caracterização geológico-geotécnica, em condição seca e saturada, e os resultados obtidos passaram por uma análise estatística, que mostrou boas correlações entre quase todas as propriedades obtidas. Para o modelo de previsão de UCS, foram utilizados o peso específico seco e a velocidade de propagação de ondas P, enquanto que para o módulo foi utilizada apenas a velocidade de ondas P. Ambos os modelos apresentaram bons coeficientes de correlação: 0.898 e 0.889, respectivamente. Para um intervalo de previsão com confiança de 95%, o erro variou de 59 a 167% do valor previsto para UCS e 69 a 144% para o módulo. Foram disponibilizadas tabelas com fatores para diferentes intervalos de previsão, para que se possa trabalhar com diferentes níveis de incerteza. Embora não substituam dados de campo ou mesmo de laboratório, estes modelos permitem reduzir incertezas a um baixo custo em etapas preliminares de projeto.

The need to predict the mechanical behaviour of rocks in the face of stress imposed by engineering work, supported or excavated in rock material, is fundamental for reducing the risk of accidents and ensuring de the success of the project. Two parameters widely used that quantify this behaviour are uniaxial compressive strength and Young's modulus. Obtaining these parameters involves the execution of time and money demanding tests and, by being destructive, make it impossible to reuse samples in case of errors. A growing tendency to correlate these two parameters with other physical and mechanical properties, obtained by testing that require less time and money and are non-destructive, has motivated several reseachers to use linear regression statistical technics that can provide significant prediction models. However, these models can only be used with the same rocks used in the correlation, requiring calibrations to enable use with rocks from another locations. For Paraná Basin rocks, this type of study is old an difficult to find. Thus, in this work, 38 samples from Botucatu Formation and Serra Geral Group, placed at the top of Paraná Basin stratigraphy, were used to provide models that enable the predicion of the mechanical behaviour of these rocks. Geological-geotechnical characterization tests were performed, under dry and saturated conditions, and the results were subjected to a statistical analysis, which showed good correlation between almost all the tested properties. For the UCS prediction model, dry specific weight and P-wave propagation velocity were used, while for the Young's modulus only P-wave velocity was used. Both models showed a good correlation index: 0.898 and 0.889, respectively. For a prediction interval with 95% of confidence, the error ranged from 59 to 167% of the predicted value for UCS and 69 to 144% for the modulus. Factors for different prediction intervals were provided to allow work with different levels of uncertainty. Although these models do not replace in situ or laboratory data, they allow for the reduction of uncertainty at low cost in the early stages of engineering projects.