Machine Translated by Google

Vea discusiones, estadísticas y perfiles de autor para esta publicación en: https://www.researchgate.net/publication/325910527

Correlación del valor de la relación de sustentación de California (CBR) con las propiedades del suelo de

Suelo de subrasante de carretera

Artículo en Ingeniería Geotécnica y Geológica · Enero 2019

DOI: 10.1007/s10706-018-0604-x

CITAS LEE

37 18,399

5 autores, incluyendo:

Valentin Katte Souleyman Mfoyet Moupe

Universidad de Namibia Universidad de Dschang

16 PUBLICACIONES 82 CITAS 1 PUBLICACIÓN 37 CITAS

VER EL PERFIL VER EL PERFIL

Manefouet Bertille Ilalie

Armando SYLVAIN LUDOVIC. Wouatong Universidad

Universidad de Dschang de Dschang

6 PUBLICACIONES 38 CITAS 42 PUBLICACIONES 182 CITAS

VER EL PERFIL VER EL PERFIL

Algunos de los autores de esta publicación también están trabajando en estos proyectos relacionados:

valorización de materiales locales Ver proyecto

Caracterización y Valorización de Materiales Arcillosos Foumbam Ver proyecto

Todo el contenido que sigue a esta página fue subido por Armand SYLVAIN LUDOVIC. Wouatong el 24 de julio de 2018.

El usuario ha solicitado la mejora del archivo descargado.

Machine Translated by Google
Geotech Geol Ing
https://doi.org/10.1007/s10706-018-0604-x
PAPEL ORIGINAL
Correlación del valor de la relación de carga de California (CBR) con
las propiedades del suelo de la subrasante de la carretera
Valentín Yato Katte . Souleyman Moupe Mfoyet . Bertille Manefouet .
Armand Sylvain Ludovic Wouatong . Lawrence Aleh Bezeng
Recibido: 20 de diciembre de 2017 / Aceptado: 12 de junio de 2018
Springer International Publishing AG, parte de Springer Nature 2018
Resumen El California Bearing Ratio (CBR) es el parámetro
más utilizado para dimensionar pavimentos flexibles en
países tropicales. A menudo, esta prueba es costosa,
laboriosa y lleva mucho tiempo, y para superar esto, se
consideró algún análisis de regresión (simple y múltiple)
entre las propiedades del índice del suelo (límite líquido-LL,
límite plástico-PL e índice de plasticidad-PI), características
de compactación (densidad seca máxima-MDD y contenido
de humedad óptimo-OMC), porcentaje de granulometría
(grava, arena y arcilla/limo) y CBR. El estudio se llevó a cabo
a lo largo de un proyecto de construcción de carreteras en
curso donde
VY Katte (&)
Departamento de Ingeniería Civil y Técnicas Forestales,
HTTTC, The University of Bamenda, PO Box 39, Bambili, North
West Region, Camerún correo electrónico: ykatte@yahoo.com
SM Mfoyet B. Manefouet ASL Wouatong Departamento de
Ciencias de la Tierra, Facultad de Ciencias, Universidad de
Dschang, PO Box 67, Dschang, West Region, Camerún correo
electrónico: mfoyetsouleyman@gmail.com
B. Manefouet
Correo electrónico: mceliebertille@yahoo.fr
Correo electrónico de
ASL Wouatong: aslwouat@yahoo.com
LA Bezeng Bela
Company LTD., PO Box 1104, Bamenda, North West Region,
Camerún correo electrónico: bezeng_aleh@yahoo.com
treinta y tres muestras de suelo fueron recolectadas y
transportadas al laboratorio para su análisis. Se llevaron a
cabo pruebas geotécnicas de rutina y, posteriormente, se
realizaron análisis de correlación y regresión sobre los
resultados obtenidos para evaluar la relación entre estas
propiedades de índice, las características de compactación
y la CBR experimental obtenida. Los resultados de este
análisis mostraron coeficientes de determinación relativamente
justos de R2 = 0,772 entre CBR y MDD usando análisis de
regresión lineal simple y R2 = 0,841 entre CBR y todos los
parámetros usando análisis de regresión lineal múltiple
(MLRA). Aunque la MLRA mejoró el R2 de 0,772 a 0,841, la
inclusión de propiedades adicionales da como resultado un
aumento marginal de R2 , lo que indica correladores débiles
de CBR, por lo que prácticamente no es rentable para el
diseño de pavimentos.
Palabras clave CBR Pavimento flexible Propiedades del
índice del suelo Características de compactación Porcentaje
de tamaños de partículas SLRA MLRA Coeficiente de Pearson
R2 Rentable
1. Introducción
La infraestructura de transporte es un componente clave para
cualquier programa de desarrollo a largo plazo para cualquier nación.
El desarrollo de la red de carreteras se considera un índice
del progreso económico, social y comercial de un país en
particular. Ninguna región o país puede florecer/
123
Machine Translated by Google
desarrollarse, si carece de medios de transporte adecuados y
más aún de la red vial. Por lo tanto, es lógico que el 28% de
los fondos del Banco Mundial en Camerún se destinen al
sector del transporte. Por lo tanto, se vuelve muy importante
que en las primeras etapas de la planificación, diseño y
construcción de una red vial se realice una adecuada
caracterización del suelo. Esto es para evitar poner en peligro
la infraestructura prevista, ya sean carreteras, aeropuertos,
puertos marítimos, ferrocarriles, etc.
El CBR (California Bearing Ratio) es el parámetro más
utilizado para dimensionar pavimentos flexibles en países
tropicales. La capacidad de carga del suelo de la subrasante
es importante para determinar el espesor del pavimento. Un
CBR bajo implica un pavimento más grueso y viceversa. Para
determinar la CBR, las muestras de suelo representativas se
compactan con un contenido de humedad óptimo
predeterminado y una densidad seca máxima para una energía
de compactación dada del material del suelo. Posteriormente,
el valor de CBR se obtiene solo después de la inmersión en
agua durante 4 días y se cizalla.
Llevar a cabo este ejercicio en muestras de suelo recolectadas
de un número limitado de ubicaciones no puede ser
representativa de toda la trayectoria del camino debido a las
variaciones de sus propiedades de ingeniería. Por lo tanto,
superar esto implica la recolección de una gran cantidad de
muestras para la prueba, lo que hace que el procedimiento
sea costoso, lento y laborioso. Para resolver esto, se hace
necesaria la predicción de los valores de CBR del suelo de la
subrasante con parámetros fácilmente determinables y se
puede utilizar el análisis estadístico. Hasta el momento, no
hay información disponible de esta área de estudio y sus
alrededores de tal intento de correlacionar las propiedades del
suelo y CBR usando análisis de regresión (simple y múltiple)
entre las propiedades del índice del suelo (límite líquido-LL,
límite plástico PL e índice de plasticidad- PI), características
de compactación (densidad seca máxima-MDD y contenido de
humedad óptimo-OMC), porcentaje de granulometría (grava,
arena y arcilla/limo) y CBR.
2 Descripción del Área de Estudio/Entorno Geológico
Este estudio se llevó a cabo en el proyecto de construcción
de una carretera Sangmelima Mengong. Esta zona y sus
alrededores se ubican en el borde Noroccidental del cratón
del Congo y concretamente en el complejo Ntem. Esto
representa la parte noroeste del cratón Archaean Congo en
África Central (Clifford y Gass 1970; Cahen et al. 1976;
Bessoles y
123
Geotech Geol Ing.
Trompette 1980) y está muy bien expuesto en el sur de
Camerún (Rocci 1965; Maurizot et al. 1985; Good win 1991).
Está limitado al norte por un cabalgamiento importante que
marca el contacto con el cinturón orogénico panafricano (grupo
de Yaundé) y está compuesto por varios tipos de rocas, con
rocas del TTG (Tonalita–Trondhjemita–Granodiorita)
constituyendo la mayor parte (Ne´de´lec 1990). Tres tipos
principales de rocas, la suite charnockítica, la suite
granodiorítica y la suite tonalítica, distinguidas en mapas
cartográficos y de observación de campo, componen esta
unidad TTG. El conjunto tonalítico (conocido como ''Granito
Soo'' y como ''Tonalita Soo'' (Ne´de´lec 1990) está
esencialmente expuesto al norte y está fuertemente milonitizado
y retrocedido a lo largo del límite de falla con el orogénico
panafricano. cinturón, mientras que los macizos de la suite
granodi oritic forman cuerpos distintos dentro de la zona sur
predominantemente charnockitic (Fig. 1).La superficie
estructural S0 es básicamente NW-SE en la suite charnockitic,
NNE-SSW a casi E-W en la suite tonalítica y E –W a WNW–
ESE en granodioritas, lo que indica discordancias estructurales
y sugiere una configuración estructural polifásica en el TTG
de Sangmelima (Shang 2001 ). retratando la cronología
relativa de los tres miembros de la suite TTG.
Las exposiciones de rocas supracrustales (formaciones de
hierro en bandas y Para gneises que contienen sillimanita)
que representan restos de cinturones de piedra verde forman
xenolitos en rocas de la serie TTG (Nsifa et al. 1993). Los
granitoides y sienitas tectónicas tardías a posteriores con
afinidad alcalina intruyen el TTG (Kornprobst et al. 1976; Ne´de
´lec 1990; Tchameni 1997; Tchameni et al. 2000, 2001; Shang
2001; Shang et al. 2001a, b) , y es claramente posterior al
principal episodio de formación de la corteza. Los diques
doleríticos de Eburne (2.1 Ga) (Toteu et al. 1994; Vicat et al.
1996) representan la última actividad magmática en el
complejo Ntem.
Los estudios petroestructurales sugieren dos grandes
episodios de deformación en este dominio geológico. El primer
episodio de deformación se caracteriza por foliación vertical,
estiramiento y lineación vertical y pliegues isoclinales. Estos
elementos estructurales podrían marcar la
emplazamiento diapírico de los granitoides (Shang 2001;
Tchameni et al. 2001). El segundo gran evento tectonothermal
está marcado por el desarrollo de planos de cizallamiento
sinistral con tendencia norte-sur a N45E, y el derretimiento
parcial de miembros charnockíticos y tonalíticos del
Machine Translated by Google

Geotech Geol Ing.

Fig. 1 Mapa geológico regional

de la parte noroccidental del
cratón del Congo (complejo
Ntem) y contacto de empuje
con el cinturón orogénico
panafricano ecuatorial del
norte en el sur de Camerún.
El mapa principal muestra la
geología de la región de
Sangmelima y la distribución
de la suite TTG

La suite TTG y las rocas del país del cinturón de piedra verde,
descritas como migmatización post-Archaean y post-charnockitic
(Nsifa y Riou 1990). Aunque no se conoce bien el momento de
este segundo evento tectonotérmico, los datos de rocas
completas de Rb–Sr de Lasserre y Soba (Lasserre y Soba
1976) sugieren que este evento podría haber ocurrido durante
la orogenia eburneana.
El pico de este metamorfismo está fechado alrededor de un
millón de años 2050 (Toteu et al. 1994), usando U–Pb
datos de circón en rocas metamórficas de la serie Nyong. A
continuación se muestra el mapa geológico de la zona de estudio.
El área de estudio está ubicada en lo que se llama la meseta
del sur de Camerún. Esta zona muestra cerros convexos y
convexo-cóncavos sucesivos, que a menudo transitan
progresivamente hacia frontones alrededor de los trópicos (Se
galen 1967; Eno Belinga 1983). Estos cerros conforman gran
parte de los paisajes de mesetas tropicales (500 y 800 m de
altitud) Bitom et al. 2013. Estos últimos son

123
Machine Translated by Google

Geotech Geol Ing.

coronada principalmente por altiplanicies (800 a 1800– siendo la duricrust ferriginosa en las mesetas tropicales,
2000 m) y en segundo lugar por macizos montañosos la duricrust bauxítica en el altiplano y los andosoles en las
([ 2000 m de altitud) que imponen modificaciones montañas tropicales. Tal relieve está repleto de muchos
considerables en el clima y la distribución de la vegetación. arroyos y ríos que drenan el área de los cuales los dos
Estas modificaciones tienen una relación directa con el principales son el Dja y el Lobo que forman parte de la
cuenca
comportamiento geoquímico y la naturaleza de los suelos (Segalen del río Congo. El clima es del 'tipo guineano' con
1967).
Bitom et al. 2013 han reconocido tres tipos de suelo dos estaciones secas alternadas con dos húmedas

Tabla 1 Algunas correlaciones previas y los parámetros estadísticos

S/ Investigador Parámetros considerados Modelo Estadístico

norte
y su rango parámetro

1 CNDH (2001) Suelos de grano grueso CBR = 5 %, si D60 B 0,01 mm R2 = 0,84

2
no plástico CBR = 28,09 (D60) , si 0,01 mm B D60 B 30 mm

CBR = 95%, si D60 C 30 mm

CBR ¼ 75 R2 = 0,67
Suelos plásticos de
1þ0:728ðwPIÞ
grano fino

2 satyanarayana FF = 9,0–34,8 % CBR = - 0.388F - 0.064LL ? 20.38MDD R = 0,96

Reddy y LL = 22–48%
Pavani
MDD = 1,90–2,32 g/
(2006)
CC

CBR = 12,8–56,8%

Para suelos cohesivos –

3 Gregorio y CBR = 0.09cu
Cruz (2007) qult100 –
Para suelos sin cohesión CBR ¼ 6895

4 Vinod y C = 33–65 % CBR = - 0,889 (WLM) ? 45.616 Donde, R = 0,979

Reina (2008) LL = 38,10–63,00 % WLM = LL(1-C/100)
CBR = 8.9–30.4%

5 Patel y Desai (2010) LL = 52,98–70,78 % CBR = 17.009 - 0.0696Ip - 0.296MDD ? 0,0648OMC CBR = 43,907 - %Error = - 2,5%

PL = 17,09–26,8 % 0,093Ip- - 18,78MDD - 0,3081OMC %Error = - 5%

SL = 8,03–19,5 %

MDD = 1,58–1,73 g/
CC

OMC = 17,23–24,70 %

IP = 24,19–74,78

CBRu = 2,80–8,94 %

CBR = 1.54–4.42%

6 Yildirim y G = 0–78%, CBR = 0.2353G? 3.0798 R2 = 0,86

Gunaydín S = 1–49% R2 = 0,80
CBR = - 0.1805F ? 18.508
(2011) F = 10–99%, R2 = 0,88
CBR = 0,22G ? 0.045S? 4.739MDD ? 0.122OMC CBR = 0.62OMC ? 58.9MDD? 0.11LL?
LL = 20–89%
0.53PL - 126.18 R2 = 0.63
PL = 11–43%

MDD = 1,21–2,18 g/
CC

OMC = 7,20–40,20 %

Donde, relación de carga de California empapada en CBRS, relación de carga de California sin remojar en CBRU, diámetro D60 al 60 % que pasa de la distribución
del tamaño de grano (en mm), porcentaje de peso que pasa por el tamiz de EE. por ciento) y C es la fracción de suelo más gruesa que 425 micras (por ciento), PL
xP límite plástico, SL límite de contracción, Ip PI = índice de plasticidad, MDD cdmax densidad seca máxima, OMC xopt contenido óptimo de humedad, cu
cohesión no drenada (kPa) , qult capacidad de carga última (en kPa)

123
Machine Translated by Google

Geotech Geol Ing.

las de intensidades desiguales Suchel 1972. La precipitación media 3 historicidad

anual es de unos 1710 mm. Las temperaturas varían entre 28 y 30
C con una amplitud térmica que no supera los 2 C. Debido a las
lluvias abundantes y regulares, la humedad es relativamente alta, es
decir, 80% y la evapotranspiración anual de 1156 mm según la
fórmula TURC. En consecuencia, el área está densamente cubierta
de bosques y forma parte del bosque ecuatorial siempre verde de la
cuenca del Congo.
Tabla 2 Las coordenadas de la localización de los puntos de recolección
de muestras
Muchos investigadores como Gregory y Cross, (2007), Vinod y
Reena, (2008) y agencias como NCHRP desarrollaron relaciones
entre CBR con parámetros de índice de suelo de suelos lateríticos
sobre la base de muestras obtenidas de una región específica y tipo
de suelo. Las relaciones generales también se desarrollan utilizando
sistemas de clasificación de suelos universalmente aceptados, que
se encuentran en el Sistema Unificado de Clasificación de Suelos
(USCS) y en los sistemas de la Asociación Estadounidense de
Oficiales de Transporte y Carreteras Estatales (AASHTO). Estos
métodos de correlación adoptan un enfoque general e intentan
abarcar muchos o todos los tipos de suelo posibles. Los resultados
de algunas correlaciones previas y los respectivos parámetros

Latitud estadísticos se dan en la Tabla 1.

Localidad Longitud

Foulassi 2580 46.7100N 11570 46.9000E

Ngam (un) 2580 34.1800N 11570 41.9900E

Ngam (b) 2580 19.0200N 11580 0.2700E 4 Materiales y Métodos

Aproximadamente a 1 km de Mepho 2570 42.1100N 11570 50.6600E
Mepho 2580 6.9900N 11580 22.4800E El estudio comenzó con trabajo de escritorio y un estudio de
reconocimiento del área del proyecto. Posteriormente se realizó el muestreo

Fig. 2 Mapa del área de estudio

123
Machine Translated by Google

Geotech Geol Ing.

Fig. 3 Muestra la
profundidad de la investigación
durante la recolección de muestras

123
Machine Translated by Google

Geotech Geol Ing.

Tabla 3 Resultados de ensayos geotécnicos

CBR MDD %OMC LL ES IP % grava % arena % limo y Tipo de suelo NOMBRE

arcilla

43,0 2,180 10,40 66.5 43.2 23.3 67.1 6 24.1 A-2-7(1) Arcilloso rojizo o parduzco
37.0 2.145 11.10 86,9 51.3 35.6 71.5 8.5 15.9 A-2-7(0) grava laterítica

30.0 2.050 13.30 43.6 26.5 17.1 57.1 12.4 28.3 A-2-7(1)
47,0 2,191 11,00 64.7 42.6 22.1 64.6 11.7 23.7 A-2-7(1)
30.5 2.110 12.60 43.6 30 13.6 63,9 12.3 23.8 A-2-7(0)
47,0 2,150 9.90 74,9 43.5 31.4 66.1 8.8 19.6 A-2-7(1)
18.5 2.002 12.30 80.6 41.7 38,9 57.8 13.7 28.5 A-2-7(4)
25,0 2.090 12.90 77.8 44.2 33.6 54.5 11.2 31.8 A-2-7(4)
38.0 2.149 11.60 77.7 43.3 34.4 68.1 8.7 23.2 A-2-7(2)
23.0 2.067 14.00 66,40 39,30 27,10 54,46 6.67 26.4 A-2-7(2)
35,0 2.130 12.40 56,70 33,00 23,70 61,82 8.18 30 A-2-7(2)
28,0 2.008 13.00 64,50 35,50 29,00 56,27 10.03 33.7 A-2-7(4)
47,0 2,170 10,20 73,70 41,50 32,20 77,18 7.72 15.1 A-2-7(0)
42,0 2,178 12,00 58,60 27,50 31,10 66,14 11.66 22.2 A-2-7(2)
35,0 2.050 12.50 57,70 31,70 26,00 47,23 10.03 24.86 A-2-7(2)
37.0 2.140 13.00 86,30 42,00 44,30 64,53 7.57 25.2 A-2-7(3)
35.5 2.061 13.40 85,80 48,90 36,90 56,54 9.17 29.19 A-2-7(4)
26,0 1.993 14.80 62,50 30,60 31,90 56,17 9.19 32 A-2-7(4)
31.0 2.128 12.40 66,00 37,50 28,50 61,82 8.17 30.01 A-2-7(3)
41,0 2,1 12.3 57,70 34,80 22,90 51,49 10.69 37.82 A-2-7(3)
31.0 2.1 13.6 79,90 43,20 36,70 62,56 6.05 26.09 A-2-7(3)
35,0 2.12 12.5 54,60 38,40 16,20 56,82 8.92 34.26 A-2-7(1)
21.0 1.96 15 79,80 38,50 41,30 60,63 7.88 31.49 A-2-7(4)
14.2 1.91 16.5 59,70 37,30 22,40 65,33 6.93 27.74 A-2-7(1)
49,5 2,16 11 83,70 45,70 38,00 83,54 4.1 12.36 A-2-7(0)
19.3 1.96 dieciséis 68,00 43,80 24,20 51,87 9.93 38.2 A-7-5(3)
29,0 2.06 12.4 63,80 39,70 24,10 57,92 8.63 33.45 A-2-7(3)
48,9 2,23 11.5 63.1 42.8 20.3 65.02 7.14 27.84 A-2-7(1)
49,0 2,15 10.6 92.6 62.1 30.5 86.52 2.98 10.5 A-2-7(0)
31.0 2.02 12 85,9 51,9 34 54.31 9.4 36.29 A-7-6(5)
30.0 2.05 14.2 68.7 40.2 28.5 66.45 7.9 25.65 A-2-7(2)
49,5 2,33 9.6 86.8 52.8 34 84.02 4.46 11.52 A-2-7(0)
49,0 2,25 10.1 65,9 38,9 27 68.77 10.27 20.96 A-2-7(1)

llevado a cabo desde los varios pozos de senderos establecidos
permitiendo un examen detallado de los sitios de muestreo.
Las muestras recogidas se colocaron en plástico adecuado
contenedores que fueron bien sellados y transportados a
el laboratorio donde estaban secados al aire y rotos
en fragmentos más pequeños, teniendo cuidado de no reducir
los tamaños de las partículas individuales. Las muestras fueron
secado al aire para reducir el exceso de agua natural
contenido del suelo contenido principalmente en la arcilla
minerales y materia orgánica, para que pudieran ser
debidamente conservado y utilizado posteriormente.
4.1 Recolección de muestras
Con el fin de disponer de datos suficientes y fiables para la
análisis de objetivos, pruebas de laboratorio realizadas en suelo
muestras obtenidas de diferentes localidades de Sangme lima-Mengong.
Un total de 33 muestras alteradas fueron
recogido dentro de un intervalo de muestreo razonable durante un

123
Machine Translated by Google

Geotech Geol Ing.

distancia de 3300 m. Las muestras representativas
seleccionado sobre la base de la identificación visual de un
suelo de subrasante adecuado, como un lote diversificado de
muestras adquiridas de áreas tales como; Ngam(a),
Ngam(b), Foulassi, aproximadamente a 1 km de Mepho y
Mefo. Las coordenadas de la ubicación y la muestra.
puntos de recogida se da en la Tabla 2 , así como el mapa
del área se da en la Fig. 2. El perfil de la
desviación estándar, varianza, mediana y el rango de
se obtuvo la distribución de la muestra. Respectivamente,
los treinta y tres resultados de las pruebas de laboratorio de las
variables independientes y dependientes se utilizan en la regresión
análisis y se muestra en la Tabla 4. El Pearson
coeficiente de correlación entre el CBR y el índice del suelo
propiedades se da en la Tabla 5.
Los resultados de la correlación de CBR con maxi

puntos de recogida se da en la Fig. 3.
4.2 Ensayos Geotécnicos
Las pruebas preliminares se llevaron a cabo de acuerdo con
las especificaciones de prueba BS 1377: 1990 . Los exámenes
llevado a cabo fueron el análisis de tamaño de grano; el Atterberg
límites límite líquido límite plástico. El supervisor modificado
prueba y la determinación de los valores de CBR también fue
de acuerdo con BS 1377:1990.
5 Resultados y Discusión
Los resultados de los ensayos geotécnicos se presentan en
Tabla 3. Los resultados indican que los materiales del suelo son
en su mayoría en la clase A-2-7 de acuerdo con la
sistema de clasificación ASSHTO, haciéndolos así
material de pavimento adecuado. Solo un material de pozo de prueba
cayó en la clase A-7-6 que no es un buen material para
material del pavimento, excepto cuando se realicen mejoras.
A partir de entonces, los resultados de las pruebas geotécnicas fueron
analizado con el paquete estadístico para ciencias sociales
(SPSS) para investigar la importancia de
variables regresoras individuales. Antes de realizar el
detalles del análisis de las estadísticas descriptivas: media,
densidad seca máxima, contenido de humedad óptimo, porcentaje
de edad de grava y porcentaje de limo/arcilla tiene relativamente
buenos coeficientes de correlación, es decir, 0,879, - 0,861,
0,629 y - 0,645 respectivamente. Considerando que, la correlación
de CBR con límite líquido, índice de plasticidad,
límite plástico y porcentaje de arena tiene coeficientes de correlación
débiles, es decir, 0,189, 0,317, - 0,002 y
- 0,334 respectivamente. La fuerza de grano grueso
suelo tiene una mayor asociación con la compactación
características del suelo. Como tal, secado máximo
la densidad y el contenido óptimo de humedad ha resultado en
relativamente una mejor correlación con la fuerza
parámetro. Sin embargo, la correlación con el límite líquido,
índice de plasticidad y límite plástico muestra un débil
relación. Al realizar el análisis de regresión
El valor de CBR se considera una variable dependiente mientras que
las propiedades del índice y las características de compactación
son las variables independientes.
5.1 Análisis de regresión lineal simple
Se llevó a cabo un análisis de regresión lineal simple sobre
treinta y tres muestras (n = 33) y el desarrollado
modelos se expresan de la siguiente manera:

Tabla 4 Estadísticos descriptivos de las treinta y tres muestras utilizadas

Estadísticas CBR %OMC %LL %PL %IP %Grava %Arena % limo y arcilla
Dependiente Independiente

Significar 34.94 12.43 69.8 40.7 29.1 63.3 8.7 26.1

Mediana 35,0 12.4 66.5 41.5 29 62.56 8.7 26.4
Dakota del Sur 10.123 1.688 12.635 7.557 7.357 9.361 2.425 7.285
Diferencia 102.483 2.850 159.649 57.113 54.126 87.634 5.880 53.074
Mínimo 14.2 9.6 43.6 26.5 13.6 47.2 2.9 10.5
Máximo 49.5 16.5 92.6 62.1 44.3 86.5 13.7 38.2
Suma 1152.9 410.1 2304.7 1343.9 960.8 2088.11 286.97 861.74

# muestras 33 33 33 33 33 33 33 33

123
Machine Translated by Google

Geotech Geol Ing.

Tabla 5 Tabla de contingencia (tabla de correlación)

CBR MDD %OMC LL ES IP %Grava %Arena %Limo y arcilla

CBR 1 0.879 - 0,861 0,189 0.317 - 0,002 0,629 - 0,334 - 0,645

MDD 0.879 1 - 0,849 0,146 0.268 - 0,025 0,607 - 0,273 - 0,627
%OMC - 0,861 - 0,849 1 - 0,250 - 0,366 - 0,053 - 0,570 0.168 0.630
LL 0.189 0.146 - 0.250 1 0.852 0.843 0.445 - 0,492 - 0,392
ES 0.317 0.268 - 0,366 0,852 1 0.435 0.512 - 0,571 - 0,408
IP - 0,002 - 0,025 - 0,053 0.843 0.435 1 0.239 - 0,258 - 0,254
%Grava 0.629 0.607 - 0.570 0.445 0.512 0.239 1 - 0,629 - 0,880
%Arena - 0,334 - 0,273 0,168 - 0,492 - 0,571 - 0,258 - 0,629 1 0.490

% limo y arcilla - 0,645 - 0,627 0,630 - 0,392 - 0,408 - 0,254 - 0,880 0.490 1

Fig. 4 Gráfico de regresión del modelo 1 Fig. 5 Gráfico de regresión del modelo 2

A. Modelo 1: Correlación entre CBR y Maxi
Densidad seca madre (MDD)
El análisis de regresión después de correlacionar CBR con
MDD se expresa mediante el siguiente lineal único
se da la ecuación con sus correspondientes coeficientes
por la ecuación 1 y se muestra en la Fig. 4.
CBR ¼ 175:006 þ 99:869 MDD
El coeficiente de correlación de Pearson (R) obtenido para
este tipo de suelo indica que la máxima densidad seca es un
muy buen predictor de CBR empapado.
B. Modelo 2: Correlación entre CBR y Optimum
contenido de humedad (OMC)
El análisis de regresión después de correlacionar CBR con
ð1Þ OMC se expresa mediante la siguiente ecuación lineal única. 2

Con R = 0,879, R2 = 0,772. Por tanto, el 77,2% de los y se muestra en la Fig. 5.

La variación en CBR puede explicarse por la máxima seca CBR ¼ 99:086 5:162 OMC ð2Þ
densidad. Los detalles de la salida estadística indican
con R = 0,861, R2 = 0,741. Por tanto, el 74,1% de los
que la relación desarrollada entre el máximo seco
la varianza en CBR puede ser explicada por el óptimo
densidad y CBR es estadísticamente significativo (a \ 0.05).
contenido de humedad. Los detalles de la salida estadística

123
Machine Translated by Google

Geotech Geol Ing.

indica que la relación desarrollada entre el contenido óptimo de

humedad y CBR es estadísticamente significativa (a \0.05). El
coeficiente de correlación de Pearson (R) obtenido para este
tipo de suelo indica que el contenido óptimo de humedad es un
buen predictor de CBR empapado.

C. Modelo 3: Correlación entre CBR y límite líquido (LL)

El análisis de regresión después de correlacionar CBR con

LL se expresa mediante la siguiente ecuación lineal única con
sus correspondientes coeficientes, está dada por la ecuación. 3.0

CBR ¼ 24:377 þ 0:151 LL

ð3Þ con R = 0,189, R2 = 0,036. Por lo tanto, LL puede explicar

el 3,6% de la varianza en CBR. Los detalles de la salida
estadística indican que la relación desarrollada entre el límite
líquido y el CBR no es estadísticamente significativa (a[ 0,05).
Fig. 6 Gráfico de regresión del modelo 6
Esto implica que existe una relación débil entre LL y CBR para
este tipo de suelo (A-2-7). El coeficiente de correlación de
CBR ¼ 35:006 0:002 IP
Pearson (R) obtenido para este tipo de suelo indica que el límite
líquido es un predictor muy pobre para CBR empapado. ð5Þ con R = 0.002, R2 = 0.000. Por lo tanto, el PI no predice la
variable dependiente. Los detalles de la salida estadística
indican que la relación desarrollada entre el índice de plasticidad
D. Modelo 4: Correlación entre CBR y Plástico y el CBR no es significativa (a[ 0.05). Esto implica que existe

límite (PL)
El análisis de regresión después de correlacionar CBR con
PL se expresa mediante la siguiente ecuación lineal única con
sus correspondientes coeficientes, está dada por la ecuación. 4.
una relación muy débil entre PI y CBR para este tipo de suelo
(A-2-7). El coeficiente de correlación de Pearson (R) obtenido
para este tipo de suelo indica que el índice de plasticidad es un
predictor muy pobre para CBR empapado.

CBR ¼ 17:632 þ 0:425 PL F. Modelo 6: Correlación entre CBR y Porcentaje

ð4Þ con R = 0.317, R2 = 0.101. Por lo tanto, solo el 10,1% de edad de la grava (% GRAVA)

la varianza en CBR puede ser explicado por PL. Los detalles
de la salida estadística indican que la relación desarrollada
entre el límite plástico y CBR no es estadísticamente significativa
(a[ 0.05). Esto implica que existe una relación débil entre el
límite plástico y CBR para este tipo de suelo (A-2-7). El
coeficiente de correlación de Pearson (R) obtenido para este
tipo de suelo indica que el límite plástico es un predictor muy
pobre para CBR empapado.
E. Modelo 5: Correlación entre CBR e índice de Plasticidad (PI)
El análisis de regresión después de correlacionar CBR con
el índice de plasticidad se expresa mediante la siguiente
ecuación lineal única con sus coeficientes correspondientes en
la ecuación. 5
El análisis de regresión después de correlacionar CBR con
el Porcentaje de grava se expresa mediante la siguiente
ecuación lineal única con sus correspondientes coeficientes
dados por la Ec. 6.0 y se muestra en la Fig. 6.
CBR ¼ 8:093 þ 0:680 Porcentaje GRAVA ð6Þ
con R = 0,629, R2 = 0,395. Por lo tanto, el 39,5 % de la
variación en CBR puede explicarse por el porcentaje de grava.
Los detalles de la salida estadística indican que la relación
desarrollada entre el porcentaje de grava y CBR es
estadísticamente significativa (a \0.05).
El coeficiente de correlación de Pearson (R) obtenido para este
tipo de suelo indica que el porcentaje de grava es un buen
predictor de CBR empapado.

123
Machine Translated by Google

Geotech Geol Ing.

con R = 0,645, R2 = 0,416. Por lo tanto, el 41,6% de la variación

en CBR puede explicarse por el porcentaje de fracción de arcilla
o limo. Los detalles de la salida estadística indican que la
relación desarrollada entre el porcentaje de arcilla o limo y CBR
es estadísticamente significativa (a \0.05). El coeficiente de
correlación de Pearson (R) obtenido para este tipo de suelo
indica que el porcentaje de arcilla o limo es un buen predictor
de CBR empapado.

5.2 Análisis de regresión lineal múltiple

Se realizó un análisis de regresión lineal múltiple sobre treinta

y tres muestras (n = 33) y después de probar un conjunto de
combinaciones alternativas de predictores se obtuvo el siguiente
resultado:

A. Modelo 9
Fig. 7 Gráfico de regresión del modelo 8
Se realizó correlación entre CBR y porcentaje de arcilla o
G. Modelo 7: Correlación entre CBR y Porcentaje limo, índice de plasticidad, porcentaje de arena, límite plástico,
edad de la arena (% ARENA) densidad máxima seca, contenido óptimo de humedad y
porcentaje de grava. El modelo de regresión obtenido es una
El análisis de regresión después de correlacionar CBR con
sola expresión lineal con sus correspondientes coeficientes
el porcentaje de fracción de arena se expresa mediante la
dados por la Ec. 9.
siguiente ecuación lineal única con sus coeficientes
correspondientes, está dada por la ecuación. 7.0 CBR ¼ 20:19 þ 47:130 MDD 2:895 OMC
0:091 PL 0:055PI þ 0:049
CBR ¼ 47:052 1:393 % ARENA
% GRAVA 0:668 % ARENA þ 0:000
ð7Þ con R = 0.334, R2 = 0.111. Por lo tanto, el 11,1 % de la % ARCILLA = LIMO
variación en CBR puede explicarse por el porcentaje de fracción
de arena. Los detalles de la salida estadística indican que la
ð9Þ con R = 0.917, R2 = 0.841 y Adj R2 = 0.796. Por lo tanto,
relación desarrollada entre el porcentaje de arena y CBR no es
la predicción del 84,1% de la varianza en CBR puede ser
estadísticamente significativa (a [0,05). Esto implica que existe
explicada por las variables independientes. Los detalles de la
una relación débil entre el porcentaje de arena y CBR para este
salida estadística indican que la relación desarrollada entre el
tipo de suelo (A-2-7). El coeficiente de correlación de Pearson
porcentaje de arcilla o limo, el índice de plasticidad, el porcentaje
(R) obtenido para este tipo de suelo indica que el porcentaje de
de arena, el límite plástico, la densidad seca máxima, el
fracción de arena es un predictor pobre para CBR empapado.
contenido óptimo de humedad, el porcentaje de grava y CBR
es estadísticamente significativa (a\ 0,05).

H. Modelo 8: Correlación entre CBR y porcentaje de edad de

B modelo 10
arcilla o limo (% ARCILLA/LIMO)
Se realizó una correlación entre CBR y porcentaje de arcilla
El análisis de regresión después de correlacionar CBR con
o limo, densidad seca máxima, contenido de humedad óptimo
el porcentaje de fracción de arcilla o limo se expresa mediante
y porcentaje de grava. El modelo de regresión obtenido es una
la siguiente ecuación lineal única con sus coeficientes
sola expresión lineal con sus correspondientes coeficientes
correspondientes, y está dada por la ecuación. 8 y se muestra en la Fig. 7.
dados por la Ec. 10
CBR ¼ 58:350 0:897 % ARCILLA= LIMO ð8Þ

123
Machine Translated by Google

Geotech Geol Ing.

CBR ¼ 59:297 þ 54:293 MDD 2:342 OMC
þ 0:138 % grava þ 0:018 % arcilla=limo
ð10Þ
con R = 0,910, R2 = 0,828 y Adj R2 = 0,803. Por lo tanto
El 82,8% de la variación en CBR puede explicarse por
las variables independientes Los detalles de la estadística
salida indican que la relación desarrollada
entre porcentaje de arcilla o limo, máximo seco
densidad (MDD), contenido de humedad óptimo (OMC),
porcentaje de grava y CBR es significativo
(a\ 0.05).
C. Modelo 11
La correlación entre CBR con máximo seco
densidad (MDD) y contenido de humedad óptimo (OMC)

Tabla 6 Resumen del análisis de regresión y su orden de significación en términos de R2

Tipo de regresión MODELO R R2 significado un Orden de importancia

Regresión lineal simple modelo 1 0.879 0.772 \ 0.05 1

modelo 2 - 0.861 0.741 \ 0.05 2
modelo 3 0.189 0.036 [ 0.05 7
modelo 4 0.317 0.101 [ 0.05 6
modelo 5 0.002 0.000 [ 0.05 8
modelo 6 0.629 0.395 \ 0.05 4
modelo 7 0.334 0.111 [ 0.05 5
modelo 8 0.645 0.416 \ 0.05 3

Regresión lineal múltiple modelo 9 0.917 0.841 \ 0.05 1

modelo 10 0.910 0.828 \ 0.05 2
modelo 11 0.905 0.819 \ 0.05 3
modelo 12 0.660 0.435 \ 0.05 4

Tabla 7 Resumen de los modelos y ecuaciones seleccionados y su orden de significación en términos de su coeficiente de determinación
y rentabilidad

descripcion del modelo Ecuación de regresión Orden de

significado

Modelo CBR frente a MDD CBR = - 175.006 ? 99.869 * MDD 2

1
Modelo CBR frente a OMC CBR = 99.086 – 5.162 * OMC 2
2
Modelo CBR versus % GRAVA CBR = - 8.093 ? 0,680 * % GRAVA 6
6
Modelo CBR versus % ARCILLA/LIMO CBR = 58.350 – 0.897 * % ARCILLA/LIMO 7
8
Modelo CBR versus % ARCILLA/LIMO, PI, % CBR = - 20.139 ? 47.130 * MDD – 2.895 * OMC – 5
9 ARENA, PL, MDD, OMC, % GRAVA 0,091 * PL - 0,055 * PI ? 0,049* % GRAVA –
0.668 * % ARENA ? 0.000 * % ARCILLA/LIMO
Modelo CBR versus % ARCILLA/LIMO, MDD, CBR = - 59.297 ? 54.293 * MDD – 4
10 OMC, % GRAVA 2.342 * MAC ? 0.138 * % GRAVA ? 0.018 * %ARCILLA/
LIMO
Modelo CBR frente a MDD, OMC CBR = - 61.082 ? 60.233 * MDD - 2.462 * OMC 1
11
Modelo CBR versus % ARCILLA/LIMO, % ARENA, CBR = 24.641 ? 0.351 * % GRAVA ? 0,258 * % ARENA 3
12 % GRAVA - 0,542 * % ARCILLA/LIMO

123
Machine Translated by Google

Geotech Geol Ing.

Tabla 8 Tabla de validación de muestra

Resultados de la prueba de control de agujeros CBR (previsto)

MDD %OMC LL ES IP % Grava Arena % Arcilla % CBR (real)

1 2.180 10.40 66.5 43.2 23.3 67.1 6 24.1 43.0 44.6

2 2.145 11.10 86,9 51.3 35.6 71.5 8.5 15.9 37.0 40.8
3 2.050 13.30 43.6 26.5 17.1 57.1 12.4 28.3 30.0 29.6
4 2.191 11.00 64.7 42.6 22.1 64.6 11.7 23.7 47.0 43.8
5 2.110 12.60 43.6 30 13.6 63,9 12.3 23.8 30.5 35,0
6 2.150 9.90 74,9 43.5 31.4 66.1 8.8 19.6 47.0 44.0
7 2.002 12.30 80.6 41.7 38,9 57.8 13.7 28.5 18.5 29.2
8 2.090 12.90 77.8 44.2 33.6 54.5 11.2 31.8 25,0 33.0
9 2.149 11.60 77.7 43.3 34.4 68.1 8.7 23.2 38.0 39.8
10 2.067 14.00 66,40 39,30 27,10 54,46 6.67 26.4 23.0 28,9
11 2.130 12.40 56,70 33,00 23,70 61,82 8.18 30 35,0 36.7
12 2.008 13.00 64,50 35,50 29,00 56,27 10.03 33.7 28,0 27,9
13 2.170 10.20 73,70 41,50 32,20 77,18 7.72 15.1 47.0 44.5
14 2.178 12.00 58,60 27,50 31,10 66,14 11.66 22.2 42.0 40.6
15 2.050 12.50 57,70 31,70 26,00 47,23 10.03 24,9 35,0 31.6
dieciséis 2.140 13.00 86,30 42,00 44,30 64,53 7.57 25.2 37.0 35.8
17 2.061 13.40 85,80 48,90 36,90 56,54 9.17 29.2 35.5 30.1
18 1.993 14.80 62,50 30,60 31,90 56,17 9.19 32 26,0 22.5
19 2.128 12.40 66,00 37,50 28,50 61,82 8.17 30 31.0 36.6
20 2.101 12.3 57,70 34,80 22,90 51,49 10.69 37.8 41.0 35.2
21 2.095 13.6 79,90 43,20 36,70 62,56 6.05 26.1 31.0 31.6
22 2.12 12.5 54,60 38,40 16,20 56,82 8.92 34.3 35,0 35.8
23 1.96 15 79,80 38,50 41,30 60,63 7.88 31.5 21.0 20.0
24 1.91 16.5 59,70 37,30 22,40 65,33 6.93 27.7 14.2 13.3
25 2.156 11 83,70 45,70 38,00 83,54 4.1 12.4 49.5 41.7
26 1.962 dieciséis 68,00 43,80 24,20 51,87 9.93 38.2 19.3 17.7
27 2.061 12.4 63,80 39,70 24,10 57,92 8.63 33.5 29,0 32.5
28 2.225 11.5 63.1 42.8 20.3 65.02 7.14 27,8 48,9 44.6
29 2.148 10.6 92.6 62.1 30.5 86.52 2.98 10.5 49.0 42.2
30 2.021 12 85,9 51,9 34 54.31 9.4 36.3 31.0 31.1
31 2.045 14.2 68.7 40.2 28.5 66.45 7.9 25.7 30.0 27.1
32 2.328 9.6 86.8 52.8 34 84.02 4.46 11.5 49.5 55.5
33 2.248 10.1 65,9 38,9 27 68.77 10.27 21 49.0 49.5

se llevo a cabo. El modelo de regresión obtenido es un

con R = 0,905, R2 = 0,819 y Adj R2 = 0,807. Por lo tanto
expresión lineal única con sus correspondientes coeficientes
El 81,9% de la varianza en CBR puede explicarse por
como se indica en la ecuación. 11
las variables independientes Los detalles de la estadística
CBR ¼ 61:082 þ 60:233 MDD 2:462 OMC salida indican que la relación desarrollada

ð11Þ
entre porcentaje de arcilla o limo, máximo seco
densidad (MDD), contenido de humedad óptimo (OMC)
y CBR es significativo (a \0.05).

123
Machine Translated by Google

Geotech Geol Ing.

D modelo 12 CBR ¼ 20:19 þ 0:049 % GRAVA 0:668

% ARENA þ 0:000 % ARCILLA= LIMO
Se realizó correlación entre CBR y porcentaje de arcilla o limo,
porcentaje de arena, porcentaje de grava. El modelo de regresión ð12Þ
obtenido es una sola expresión lineal con sus correspondientes
con R = 0,660, R2 = 0,435 y Adj R2 = 0,377. Así, el 81,9% de la
coeficientes dados por la Ec. 12
varianza en CBR puede ser explicado por las variables
independientes. Los detalles de la salida estadística indican que
la relación desarrollada entre el porcentaje de partículas y CBR
es significativa (a\ 0.05).

En la Tabla 6 se proporciona un resumen de cada tipo de

análisis de regresión, mientras que en la Tabla 7 se proporciona
un resumen de algunos modelos seleccionados y su ecuación .

6 Interpretaciones

Siguiendo la Tabla 7, el Modelo 11 resulta ser la razón ideal ya

que hace uso de las características de compactación con el R2
resultante = 0.819. Por lo tanto, el 81,9% de la varianza en CBR
se puede predecir utilizando las variables independientes y
finalmente debido a la facilidad con la que se realizan estas
pruebas. El Modelo 1, el Modelo 2 y el Modelo 12 son posibles
alternativas cuando se trata de rentabilidad, pero muestran un
bajo coeficiente de determinación, por lo tanto, menos previsibilidad.

Además, los modelos 9 y 10 tienen mejor R2 pero no son rentables

dado el alto número de pruebas de laboratorio involucradas en su
correlación.
Fig. 8 Gráfico de control que muestra los valores de CBR reales o
Usando la tabla de validación de muestras que se presenta en
experimentales trazados frente a los valores de CBR previstos
la Tabla 8, se trazó un gráfico de control entre el real o

80.0
Comparación entre CBR real y pronosticado
CBR real
70.0

60.0

50.0

40,0

30.0

20.0

10.0

0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
número de foso de prueba

Fig. 9 Gráfico que muestra una comparación entre la CBR real y la predicha

123
Machine Translated by Google

Geotech Geol Ing.

Cuadro 9 Porcentaje Hoyo de prueba CBR (real) Correlación desarrollada

variación entre real
y CBR predicho CBR (previsto) Residual % Variación

1 43.0 44.6 1.6 3.8

2 37.0 40.8 3.8 10.2
3 30.0 29.6 - 0.4 - 1.2
4 47.0 43.8 - 3.2 - 6.8
5 30.5 35,0 4.5 14.7
6 47.0 44.0 - 3.0 - 6.3
7 18.5 29.2 10.7 57,9
8 25,0 33.0 8.0 32.2
9 38.0 39.8 1.8 4.7
10 23.0 28,9 5.9 25,8
11 35,0 36.7 1.7 4.8
12 28,0 27,9 - 0.1 - 0.5
13 47.0 44.5 - 2.5 - 5.3
14 42.0 40.6 - 1.4 - 3.4
15 35,0 31.6 - 3.4 - 9.7
dieciséis 37.0 35.8 - 1.2 - 3.2
17 35.5 30.1 - 5.4 - 15.3
18 26,0 22.5 - 3.5 - 13.4
19 31.0 36.6 5.6 17.9
20 41.0 35.2 - 5.8 - 14.2
21 31.0 31.6 0.6 2.0
22 35,0 35.8 0.8 2.4
23 21.0 20.0 - 1.0 - 4.6
24 14.2 13.3 - 0.9 - 6.1
25 49.5 41.7 - 7.8 - 15,8
26 19.3 17.7 - 1.6 - 8.3
27 29,0 32.5 3.5 12.1
28 48,9 44.6 - 4.3 - 8.8
29 49.0 42.2 - 6.8 - 13,9
30 31.0 31.1 0.1 0.3
31 30.0 27.1 - 2.9 - 9.6
32 49.5 55.5 6.0 12.1
33 49.0 49.5 0.5 0.9

CBR experimental y CBR predicho y se muestra en
Fig. 8. La línea recta representa el punto en el que
la CBR experimental es igual a la CBR predicha. Casi todo
los puntos se encuentran más cerca de la línea recta. Solo sobre
cuatro puntos tienden a desviarse de la línea. Este es
indicativo de que los valores de CBR predichos, pueden ser
solicitada para la caracterización preliminar de la
resistencia del suelo de la subrasante en una sección uniforme.
Además, se traza un gráfico de comparación para verificar la
idoneidad de la correlación desarrollada como se muestra en
Fig. 9. Hay un desajuste entre las dos curvas .
observado en el hoyo número 7, 25, 28, 32. Esto es puede ser
atribuido a errores al realizar el laboratorio
pruebas El gráfico muestra una variación entre los dos
valores CBR. En general, ambos gráficos siguen el mismo
patrón. La variación porcentual para cada uno de los
El valor CBR de la muestra se obtiene de la ecuación. 13
%Variación ¼ CBRpred CBRact 100=CBRact
ð13Þ

123
Machine Translated by Google

Geotech Geol Ing.

Tabla 10 Comparación de valores de CBR generados por Yildirm y Gunaydin (2011), Satyanarayna Reddy y Pavani (2006), Agarwal
y Ghanekar (1970), De Graft-Johnson y Bhatia (1969)

Experimental Modelo 11 Agarwal y De Graft-Johnson y Satyanarayana Reddy y Yildirim y

CBR Ganekar (1970) Bhatia (1969) Pavani (2006) Gunaydín (2011)

43.0 44.6 - 9.6 9.3 30.8 26.6

37.0 40.8 - 8.6 1.9 32,0 27.6
30.0 29.6 - 12,9 20.0 28,0 24.5
47.0 43.8 - 10.1 9.2 31.3 26.5
30.5 35,0 - 12,6 13.7 31.0 26.1
47.0 44.0 - 8.7 5.7 31.4 26.3
18.5 29.2 - 9.8 11.7 24.6 24.3
25,0 33.0 - 10.3 13.8 25.3 24.0
38.0 39.8 - 9.6 8.1 29.8 27,0
23.0 28,9 - 11.7 11.9 27.6 23.8
35,0 36.7 - 11.5 17.5 28.1 25.6
28,0 27,9 - 11.3 18.7 23.7 23,9
47.0 44.5 - 9.0 2.8 33.6 28,9
42.0 40.6 - 11.2 11.8 32,0 26,9
35,0 31.6 - 11.5 13.3 28.4 22.1
37.0 35.8 - 9.8 8.8 28.3 26.3
35.5 30.1 - 10.0 10.7 25.2 24.3
26,0 22.5 - 12.3 18.9 24.2 24.0
31.0 36.6 - 10,9 15.2 27.5 25.6
41.0 35.2 - 11.4 23.2 24.5 23.3
31.0 31.6 - 10.5 9.9 27.5 25.6
35,0 35.8 - 11.7 18.6 26.4 24.5
21.0 20.0 - 11.2 14.3 22.6 24,8
14.2 13.3 - 13.3 14.0 24.3 25.7
49.5 41.7 - 8.8 0.2 33.8 30.1
19.3 17.7 - 12,5 19.2 20.8 23.1
29,0 32.5 - 11,0 17.4 24,9 24.4
48,9 44.6 - 10.6 12.2 30.5 26.6
49.0 42.2 - 7.9 - 2.1 33.8 30.6
31.0 31.1 - 9.3 14.6 21.6 23.4
30.0 27.1 - 11.6 11.0 27.3 26.4
49.5 55.5 - 7.6 - 0.9 37.4 30,9
49.0 49.5 - 9.5 7.9 33.5 27.5

generado por Satyanarayana Reddy y Pavani (2006)

donde CBRpred = valor de CBR previsto y
CBRact = Valor real de CBR. y Yildirim y Gunaydin (2011), el modelo 11 da
valores de CBR más cercanos a los valores experimentales de CBR
La variación porcentual entre el Real y el
Considerando que los modelos generados por Agarwal y
CBR predicho al usar la ecuación. 13 se da en la Tabla 9.
Ghanekar (1970), De Graft-Johnson y Bhatia
La variación porcentual promedio obtenida de la
(1969) no son adecuados para predecir CBR en el
modelo es 1,68%, que es un buen valor que demuestra que el
Área de estudio. Esto se puede explicar por la diferencia de
los valores predichos de CBR no están lejos de los
litología, es decir, la falta de homogeneidad de los suelos lateríticos en
valores experimentales. En comparación con los modelos
África central y occidental como se tipifica en las obras

123
Machine Translated by Google
Geotech Geol Ing.
de De Graft-Johnson y Bhatia (1969) como se muestra en el
Cuadro 10. De ahí la necesidad de un estudio en profundidad de
los suelos de esta área de estudio.
7. Conclusión
El objetivo de este estudio fue determinar una correlación entre el
valor de CBR empapado y las propiedades del índice del suelo
dentro del alcance del área de estudio, asegurándose de que el
modelo generado fuera rentable y menos laborioso. Como tal, se
determinaron los tamaños de fracción de partículas, sus
propiedades de índice, su clasificación, características de
compactación y valores experimentales de CBR. Para este estudio
se recolectaron treinta y tres muestras de suelo de diferentes
puntos a lo largo de la carretera Yaounde´—Sangmelima y sus
alrededores. Se desarrolló una relación clara, con modelos
integrales que predicen los valores de CBR empapado en términos
de MDD, OMC, PI, PL, LL, % ARCILLA/LIMO, % ARENA y %
GRAVA. Utilizando el modelo de regresión lineal simple, la
correlación obtenida entre CBR empapado frente a MDD y entre
CBR frente a OMC dan valores de coeficientes de determinación
justos en comparación con los otros modelos. Mientras que usando
el análisis de regresión lineal múltiple, el modelo 9 dio el coeficiente
de determinación más alto R2 = 0.841. Sin embargo, muchos
parámetros de prueba estaban involucrados.
Por lo tanto, dado que el objetivo principal de este estudio fue
obtener un modelo de regresión entre CBR y las propiedades del
suelo asegurando que prediga los valores experimentales de CBR
con una buena precisión, sea menos laborioso y rentable, se
puede concluir que ninguno de los modelos podría usarse para
predecir el CBR de los suelos de una manera rentable en el estudio
área.
Referencias
Agarwal KB, Ghanekar KD (1970) Predicción de CBR a partir de las
características de plasticidad del suelo. En: Actas de la segunda
conferencia del sudeste asiático sobre ingeniería del suelo,
Singa pore, págs. 11–15 Bessoles B, Trompette R (1980) Ge
´ologie de l'Afrique: La Chaine Pan-Africaine, Zone mobile d'Afrique
Centrale ( partie Sud) et zone Soudanaise. Me´moire BRGM
Bitom D, Tamfuh PA, Mamdem L, Zame PZ (2013) Influencia de
la altitud en las características petrológicas de un suelo
climosecuencia en la zona tropical húmeda de Camerún.
Open Geol J 7:14–30
BS 1377 (1990) Métodos de prueba de suelos para fines de ingeniería
civil. institución estándar británica. London Cahen L, Delhal H,
Lavreau J (1976) The archaean of equatorial Africa. Wiley, Nueva
York Clifford TN, Gass IG (1970) Magmatismo y tectónica
africanos.
Edimburgo
De Graft-Johnson JWS, Bhatia HS (1969) Las características de
ingeniería de las gravas lateríticas de Ghana. En: Actas de la
séptima conferencia internacional sobre mecánica de suelos e
ingeniería de cimentaciones, México, 28 y 29 de agosto, vol. 2.
Instituto Asiático de Tecnología, Bangkok, pp 13–43 Eno
Belinga SM (1983) Geología dinámica externa de los países tropicales
de la tierra. paisajes de hierro. Biblioteca Universitaria, Yaundé´
Goodwin AM (1991) La evolución dinámica de la corteza continental.
Harcourt Brace Jovanovich Publishers, California Gregory GH,
Cross SA (2007) Correlación de CBR con parámetros de resistencia
al corte. En: Actas de la 9ª conferencia internacional sobre
carreteras de bajo volumen, Austin, Texas Kornprobst J, Lasserre
M, Rollet M, Soba D (1976) Existence au Cameroun d'un magmatisme
alcalin Pan-Africain ou plus ancien: la sye´nite ne´ phe´linique de
Nkonglong. Comparación entre las rocas alcalinas connues
dans la me´me re´gion. Bulletin Socie´te´ Ge´ologique de France,
18 (5, tomo XVIII), 1295–1305 Lasserre M, Soba D (1976) Age
Libe´rien des granodiorites et des gneiss a pyroxe´nes du
Cameroun Me´ridional. Bulletin BRGM 2(4):17–32 Maurizot P,
Abessolo A, Feybesse JL, Johan LP (1985) Etude de prospection
miniere du Sud-Ouest Cameroun. En: Brgm RD (ed) Synthese
des travaux de 1978 a 1985 Ne´de´lec A (1990) Late calcalkaline
plutonism in the Archaean Ntem unit: the Sangmelima
granodioritic suite (South Camerún). 15.º coloquio sobre geología
africana, CIFEG 22, pp 25–28 Nsifa EN, Riou R (1990) Post Archaean
migmatization in the charnockitic series of the Ntem complex,
Congo craton, south Cameroun. 15º coloquio sobre geología
africana, CIFEG 22, pp 33–36 Nsifa EN, Tchameni R, Belinga
SME (1993) De l'existence de formation catarche´ennes dans le
complexe cratonique du Ntem (Sud-Cameroun). En: Volumen A
(ed) Rocas cratónicas arcaicas de África Patel RS, Desai MD
(2010) CBR predicho por propiedades de índice para suelos
aluviales del sur de Gujarat. En: Actas de la conferencia geotécnica
india, Mumbai, pp 79–82 Rocci G (1965) Essai d'interpre´tation
des mesures ge´ochrono logiques. La estructura de l'Ouest
Africain. Science de la Terre Francia 10: 461–479
Satyanarayana Reddy CNV, Pavani K (2006) Ecuación de regresión
de suelos estabilizados mecánicamente para la evaluación de
CBR. En: Actas de la conferencia geotécnica india, Chen nai,
India, pp 731–734 Segalen P (1967) Suelos y geomorfología de
Camerún. ca
Orstom (Ser Pedol) 5:137–187
Shang CK (2001) Geología, geoquímica y geocronología de rocas
arcaicas de la región de Sangmelima, complejo de Ntem, cratón
del noroeste del Congo, sur de Camerún. Doctor. tesis,
Universidad de Tubinga
123
Machine Translated by Google
Shang CK, Satir M, Siebel W, Taubald H, Nsifa EN, Westphal M,
Reitter E (2001a) Génesis de granitoides ricos en K en la región
de Sangmelima, complejo Ntem (cratón del Congo)
Camerún. Terra Nostra 5(2001):60–63
Shang CK, Taubald H, Satir M, Siebel W, Nsifa EN, Venne mann T,
Njilah IK, Ghogomu R (2001b) Evidencia de una relación no
cogenética entre los monzogranitos y la suite TTG. Estrasburgo,
Francia
Suchel JB (1972) Distribución de lluvia y regímenes de lluvia en
Camerún. CEGET, Talento
Tchameni R (1997) Ge´ochimie et ge´ochronologie des formations de
l'Arche´en et du Pale´oprote´rozoique du Sud Cameroun (Groupe
du Ntem, Craton du Congo). The´se, Unive´rsite´ d'Orle´ans
Tchameni R, Mezger K, Nsifa NE, Pouclet A (2000) Evolución
neoarcaica en el cratón del Congo: evidencia de granitoides ricos en
K del complejo Ntem, sur de Camerún.
J Afr Ciencias de la Tierra 30:133–147
Tchameni R, Mezger K, Nsifa NE, Pouclet A (2001) Crustalo rigin of
early proterozoic syenitas in the Congo craton (Ntem complex),
South Cameroon. Lito 57:23–42
123
Ver estadísticas de publicación
Geotech Geol Ing.
Toteu SM, Van Schmus WR, Penaye J, Nyobe JB (1994) U-Pb y Sm–
Nd evidencia de metamorfismo de alto grado eburneano y
panafricano en rocas cratónicas del sur de Camerún. Precámera
Res 67:321–347
Vicat JP, Leger JM, Nsifa E, Piguet P, Nzenti JP, Tchameni R, Pouclet
A (1996) Distinction au sein du craton congolais du Sud-Ouest
du Cameroun, de deux e´pisodes dole´ritiques initiant lescycles
oroge´niques e´burne´en (Pale´oprote´ro zoique) y Pan-Africain
(Ne´oprote´rozoique). serie IIa 323, 575–582
Vinod P, Reena C (2008) Predicción del valor CBR de suelos lateríticos
utilizando datos de características de límite líquido y gradación.
Res. alta J IRC 1(1):89–98
Yildirim B, Gunaydin O (2011) Estimación de la relación de carga de California
mediante el uso de sistemas informáticos suaves. Aplicación de sistema
experto 38(5):6381–6391