Return to search

Geoestatística e modelagem numérica aplicada à classificação de maciço rochoso pelo sistema RMR: barragem de Itaipu / not available

A implantação segura e a viabilidade de um projeto de barragem dependem de se conhecer, com o máximo de clareza, as características geotécnicas do substrato rochoso do local de implantação. Para tanto, são realizadas campanhas de investigação geotécnica para a elaboração de modelos geológicos e geomecânicos, os quais podem apresentar erros devido à variabilidade natural, amostragem insuficiente, interpretação bidimensional e subjetividade das interpretações. Visando diminuir a subjetividade das interpretações acerca das características geomecânicas, a mecânica das rochas utiliza classificações de maciço rochoso, tais como sistema Q, de Barton, e RMR, de Bieniawski. Surgida por volta de 1960, a geoestatística permite analisar fenômenos que não são totalmente aleatórios e cujos valores dependem de sua posição no espaço. Este trabalho consistiu em desenvolver modelos numéricos tridimensionais a partir da aplicação da classificação de maciço rochoso pelo sistema RMR (Rock Mass Rating), utilizando técnicas geoestatísticas para a interpolação em regiões não amostradas. Os objetivos foram identificar feições e zonas com características geotécnicas de menor qualidade, verificar a representatividade dos modelos numéricos frente as estruturas geológicas mapeadas, observar a influência de fatores de redução nas classificações de RMR e analisar a variação de resultados quando são usadas malhas de amostragem diferentes. Os resultados obtidos foram satisfatórios, tanto do ponto de vista geoestatístico quanto do ponto de vista geotécnico. Foram delimitadas as regiões de atenção e identificadas as principais estruturas e feições geológicas nos modelos de RMR. Foi possível avaliar a influência dos fatores de redução na classificação de maciço, assim como a influência da malha de amostragem nos resultados estatísticos, geoestatísticos e de interpolação. Os dados amostrais foram comparados entre si e evidenciaram a importância e superioridade da classificação por RMR em detectar as principais feições e características geológicas, assim como demonstraram a variação da sensibilidade quando se utiliza diferentes fatores de redução. / A safe dam installation and its project feasibility, necessarily, depends on knowing, to the clearest, the geotechnical rock substrate characteristics in the installation place. Therefore, geotechnical investigation campaigns are undertaken to elaborate geological and geomechanics models, which may present errors due to natural variability, insufficient sampling, two-dimensional interpretation and subjectivityes. Aiming to decrease the subjectivism in the interpretations regarding the geomechanics characteristics, the rock mechanics makes use of rock mass classifications such as Q, by Barton, and RMR, by Bieniawski. Developed about 1960, geostatistics allows to analyze phenomena not completely random and whose values depend on its special position. This study consisted in developing three-dimensional numerical models from the rock mass assessment with RMR, using geostatistics to interpolate data in regions without sampling. The objectives were to identify features and zones with poor geotechnical characteristics, to evaluate how representative the numerical models are compared to the mapped geological structures, to observe the influence of reduction factors in the RMR classification and to analyze the variation of the results when different sampling grids are used. The obtained results were satisfactory, both in the geostatistical and geotechnical aspects. The critical regions were delimitated and the main geological structures and features were identified in the RMR model. It was possible to evaluate the influence of the reduction factors in the rock mass assessment, as well as the influence caused by the sampling grids in the statistic, geostatistics and interpolated results. Sampled data were compared and demonstrated how important and how superior the RMR assessment is to detect the major features and geological characteristics, as well as to demonstrate how sensitive the variation of the results is when different reduction factors are used.

Identiferoai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-26042018-085509
Date24 November 2017
CreatorsNovais, Wellington Martins
ContributorsRocha, Marcelo Monteiro da
PublisherBiblioteca Digitais de Teses e Dissertações da USP
Source SetsUniversidade de São Paulo
LanguagePortuguese
Detected LanguagePortuguese
TypeDissertação de Mestrado
Formatapplication/pdf
RightsLiberar o conteúdo para acesso público.

Page generated in 0.0022 seconds