A predictive machine-learning and topology-optimization framework for the seismic retrofit of vulnerable housing with UHPC overlays and FRP nanocomposites: transposing the United States experience to Peru

Resumo Técnico: Um Framework de ML Preditivo e Otimização de Topologia para Reforço Sísmico no Peru

Definição do Problema
Aproximadamente 70% das habitações no Peru são construídas informalmente sem projeto de engenharia, predominantemente utilizando alvenaria confinada com resistência à compressão abaixo dos mínimos exigidos pela norma NTE E.070. Localizadas em uma zona de alta sismicidade, onde se espera estatisticamente um evento de magnitude $M_w \approx 8.0$, essas estruturas enfrentam vulnerabilidade severa; sob um cenário de intensidade-IX, mais de 32% poderiam sofrer danos de Grau-4. Enquanto os Estados Unidos possuem programas avançados de reforço (ex: GRRP) utilizando aprendizado de máquina (ML) e priorização assistida por ML, e o Japão codificou diretrizes para Concreto de Ultra-Alto Desempenho (UHPC) e Polímero Reforçado com Fibra (FRP) (JBDPA-2001), o Peru carece de um programa nacional de reforço especificamente para habitações vulneráveis e de um caminho normativo explícito para UHPC e nanocompósitos de FRP. Além disso, equações de design empíricas existentes para esses materiais frequentemente subestimam a capacidade em comparação com modelos de ML treinados em grandes conjuntos de dados, e a otimização de topologia (TO) permanece amplamente ausente do design de reforço de alvenaria.

Metodologia
O estudo emprega um design de síntese técnica transdisciplinar composto por três pilares:

1. Análise Comparativa: Uma matriz quantitativa de onze linhas foi desenvolvida para contrastar as práticas de reforço sísmico nos Estados Unidos, Japão e Peru. Esta análise abrange frameworks regulatórios, tipologias de habitação alvo, índices de vulnerabilidade, tecnologias dominantes e a aplicação de algoritmos de ML (especificamente Random Forest, XGBoost e Gradient Boosting Regression Trees).
2. Otimização de Topologia (TO): Um problema de tensão plana bidimensional foi formulado para uma parede típica de alvenaria confinada de 2,40 m $\times$ 2,40 m. Utilizando o método SIMP (Solid Isotropic Material with Penalization), o estudo minimizou a energia de deformação sujeita a uma restrição de volume de 30% na sobreposição de UHPC. O domínio foi discretizado em uma malha de 96 $\times$ 96, com uma zona passiva de 50 mm ao redor das colunas de amarração. A otimização utilizou um método de critérios de otimalidade com um raio de filtro de sensibilidade de 1,5 larguras de elemento.
3. Modelagem Preditiva e Equações Estruturais: O framework integra previsões de ML para resistência de materiais com quatro equações específicas de engenharia estrutural:
   • Penalização SIMP: Para conduzir os valores de densidade para estados binários (0 ou 1).
   • ACI 440.2R: Para calcular a contribuição do FRP para a capacidade nominal de cisalhamento.
   • Modelo Mander-Priestley-Park: Para determinar a resistência do concreto confinado ($f'_{cc}$) de colunas revestidas com UHPC.
   • NTE E.030-2018: Para computar o espectro de aceleração pseudo-estática ($S_a$) para o design sísmico em Lima.

Principais Resultados

• Matriz Comparativa: A análise revela que, enquanto os EUA lideram em escala de financiamento e o Japão em profundidade tecnológica codificada (particularmente o uso de UHPC), o Peru está defasado na adoção de ML, codificação de UHPC e no uso de FRP modificado por nanotecnologia. A lacuna de precisão preditiva (valores de $R^2$ de ML) é identificada como a área mais acionável para melhoria imediata.
• Resultado da Otimização: A sobreposição de UHPC otimizada via SIMP convergiu em aproximadamente 47 iterações. A geometria resultante apresenta duas estais diagonais de compressão conectando os cantos da base às colunas superiores, com flanges alargados acima e abaixo das aberturas. Este layout alinha-se aos caminhos de fluxo de força e reduz o volume de material sem comprometer a rigidez.
• Desempenho Preditivo: Os modelos de ML referenciados demonstram alta precisão: modelos Random Forest alcançaram um coeficiente de correlação de Pearson ($R$) de 0,94 para a resistência à compressão do UHPC, e Gradient Boosting Regression Trees alcançaram um $R^2$ de 0,987 para o concreto confinado por FRP.
• Adaptação de Construção: O artigo propõe um fluxo de processo construtivo adaptando as diretrizes japonesas JBDPA-2001 ao contexto peruano. As principais adaptações incluem a substituição da cura a vapor pela cura úmida tradicional, limitação da espessura da sobreposição a 40 mm e o uso de chumbadores epóxi para ancoragem de CFRP, consistentes com a norma NTE E.070-2020.

Significância e Alegações
O artigo alega que sua principal novidade reside no primeiro acoplamento de predição de ML baseada em dados com otimização de topologia generativa especificamente para o design de camadas de reforço em habitações informais peruanas. Ao integrar estes métodos computacionais avançados com equações estruturais estabelecidas, o framework oferece uma base quantitativa para dimensionar intervenções de reforço que visam caminhos de tensão críticos, em vez de aplicar o encamisamento total da parede.

O estudo afirma que esta abordagem:

1. Transfere Tecnologia: Formaliza um roteiro para transpor as experiências dos EUA e do Japão (modelos de financiamento e rigor construtivo) para o contexto normativo e de mão de obra do Peru.
2. Otimiza Recursos: Permite uma estratégia de reforço direcionada que reduz o volume de materiais de alto custo (UHPC e nanocompósitos de FRP) enquanto mantém a capacidade de confinamento em zonas críticas.
3. Fornece um Framework Replicável: Codifica um fluxo de processo construtivo e um conjunto de quatro equações de design modernas que podem servir como referência para futuras atualizações regulatórias e programas de subsídio, como o "Bono de Proteccion de Vivienda Vulnerable".

Os autores mantêm uma postura modesta, reconhecendo que o framework ainda não foi validado em campo e que os modelos de ML dependem de dados laboratoriais. Eles identificam como trabalhos futuros a necessidade de validar o sistema através de testes piloto instrumentados, estender a otimização para domínios 3D com comportamento de alvenaria não linear e avaliar a incorporação específica de linhas de UHPC/FRP na legislação de subsídios peruana.