Predicting geotechnical properties of stabilized clayey soils by waste tyre powder and kota stone powder using Regression Analysis Model

Résumé technique : Prédiction des propriétés géotechniques des sols argileux stabilisés par analyse de régression

Énoncé du problème
Les sols argileux expansifs présentent des défis importants pour la construction de génie civil en raison de leur faible capacité portante, de leur haute compressibilité et de leur sensibilité au tassement et à la rupture par cisaillement lorsqu'ils sont exposés à l'eau. Bien que la stabilisation des sols à l'aide d'adjuvants (tels que la chaux, les cendres volantes ou le ciment) soit une solution standard, la détermination du dosage optimal de ces matériaux nécessite généralement des essais de laboratoire extensifs et chronophages. Les auteurs identifient un besoin pressant de modèles mathématiques fiables capables de rationaliser la conception et l'optimisation de la stabilisation des sols, réduisant ainsi la dépendance aux procédures expérimentales répétitives tout en maintenant la précision.

Méthodologie
L'étude se concentre sur la stabilisation d'un sol argileux collecté près du lac Puzhal, à Chennai, en utilisant une combinaison de deux adjuvants dérivés de déchets : la poudre de pneus usagés (WTP) et la poudre de pierre Kota (KSP).

1. Caractérisation des matériaux :

   • Sol : Le sol natif a été identifié comme une argile hautement plastique (Limite de liquidité : 64 %, Indice de plasticité : 30 %, Gonflement libre : 68 %).
   • Adjuvants : La WTP (dérivée de pneus broyés, contenant des matériaux polymères et du noir de carbone) et la KSP (provenant de déchets de traitement de la pierre, contenant de la chaux et de la silice) ont été caractérisées chimiquement.

2. Optimisation du dosage :

   • Une investigation systématique en laboratoire a été menée pour déterminer le mélange optimal.
   • Premièrement, la WTP a été ajoutée au sol vierge en des pourcentages variables (4 % à 14 %). Le dosage de 12 % a été identifié comme optimal sur la base de l'amélioration de la limite de liquidité (LL), de la limite de plasticité (PL), de l'indice de gonflement libre et de la résistance à la compression simple (UCS).
   • Par la suite, la KSP a été ajoutée au mélange sol-WTP (à 12 % de WTP) en des pourcentages variables (2 % à 10 %). La combinaison finale optimale a été déterminée à 12 % de WTP et 8 % de KSP.

3. Essais expérimentaux :

   • Le sol stabilisé a été soumis à divers essais géotechniques, notamment l'essai Proctor normalisé, des tests de dispersibilité par double hydromètre, des cycles d'humidification et de séchage pour la durabilité, et des essais UCS à des périodes de cure de 0, 7, 14, 28, 56 et 9 00 jours.
   • Une expérience spécifique de « pieu de boue » (slurry pile) a été réalisée où le mélange optimal a été incorporé dans des échantillons de sol à l'intérieur d'un réservoir circulaire afin d'analyser les variations spatiales (zones internes vs externes, profondeurs haut vs bas) après 28 jours de cure.

4. Modélisation de régression :

   • Régression linéaire multiple (MLR) : Développée pour prédire l'UCS en fonction de plusieurs variables indépendantes : la limite de liquidité (LL), la limite de plasticité (PL), l'indice de plasticité (PI), le gonflement libre (FS), la dispersion du sol (SD) et la durabilité (D).
   • Régression linéaire simple : Appliquée pour analyser la relation entre le temps de cure et les changements de l'indice de plasticité et de l'UCS au sein de l'expérience du pieu de boue.

Résultats clés

• Performance de la stabilisation :

  • Le mélange optimal (12 % WTP + 8 % KSP) a considérablement amélioré les propriétés du sol.
  • UCS : La résistance à la compression simple a augmenté jusqu'à 41 % par rapport au sol vierge.
  • Plasticité : La limite de liquidité et la limite de plasticité ont toutes deux diminué, entraînant une réduction de l'indice de plasticité.
  • Durabilité : Le sol stabilisé a supporté avec succès 14 cycles d'humidification et de séchage, indiquant une stabilité améliorée.
  • Dispersion : Les valeurs de dispersion du sol ont progressivement diminué, suggérant une réduction de la susceptibilité à la désintégration.

• Performance des modèles de régression :

  • Régression linéaire multiple : Le modèle a généré une équation pour prédire l'UCS en fonction des propriétés du sol. Le coefficient de détermination ($R^2$) pour ce modèle est de 0,3876 ( $R^2$ ajusté : 0,3806). Les auteurs notent un contraste entre cette valeur et l'ajustement global du modèle, suggérant que la relation est complexe.
  • Régression linéaire (Pieu de boue) : Les modèles analysant la variation du PI et de l'UCS sur 28 jours ont montré des corrélations plus fortes.
    • Les taux de réduction du PI étaient d'environ 0,34–0,39 par jour, avec des valeurs de $R^2$ de 0,9426 (interne) et 0,8896 (externe).
    • Les taux d'augmentation de l'UCS variaient selon la profondeur, avec des valeurs de $R^2$ allant de 0,7292 à 0,9379, indiquant une forte corrélation entre le temps de cure et le gain de résistance dans des zones spécifiques.

Signification et revendications
L'article affirme que les modèles de régression développés offrent une alternative viable aux essais de laboratoire exhaustifs pour les considérations de conception initiale. Spécifiquement :

• L'équation de régression linéaire multiple peut être utilisée pour estimer les valeurs d'UCS basées sur d'autres paramètres géotechniques, permettant potentiellement de gagner du temps lors de la phase d'optimisation.
• Les résultats de la régression linéaire démontrent une forte corrélation entre les valeurs mesurées et prédites pour le PI et l'UCS dans le contexte du pieu de boue, validant l'utilisation de ces outils mathématiques pour prédire le comportement du sol dans les conditions spécifiques de l'étude.
• L'étude démontre avec succès que l'utilisation de matériaux de récupération (poudre de pneus et de pierre) est une méthode efficace pour stabiliser l'argile expansive, fournissant à la fois une solution environnementale (valorisation des déchets) et une amélioration géotechnique.

Limites et portée
Les auteurs maintiennent un ton modeste concernant le pouvoir prédictif des modèles. Bien que la régression linéaire pour l'expérience du pieu de boue ait montré des valeurs de $R^2$ élevées (jusqu'à 0,9704 dans l'abstract, bien que les valeurs spécifiques des tableaux soient plus basses), le modèle de régression multiple pour la prédiction générale de l'UCS a produit un $R^2$ plus faible (0,3876). L'article positionne ces équations comme des outils pour des « considérations de conception initiale » plutôt que comme un remplacement complet de toute vérification en laboratoire. L'étude est limitée au type de sol spécifique de Chennai et au ratio d'adjuvants spécifique de 12 %/8 %.