Aplicaciones de la Inteligencia Artificial Dentro del Campo de la Ingeniería Geotécnica
Este artículo describe el uso de técnicas de inteligencia artificial para mejorar la precisión y eficiencia en ingeniería geotécnica, abordando desafíos en seguridad y costos.
Títtle Of Paper
Objetivo de Investigación
Problemática y Su Relevancia
Estado del Arte
Las Redes Neuronales Artificiales (ANN) han ido ganando terreno dentro de la ingeniería geotécnica. permitiendo la predicción de propiedades y comportamientos geotécnicos mediante un aprendizaje y reconocimiento de patrones complejos a partir de grandes conjuntos de datos. Además, los Sistemas de Inferencia Difusa (FIS) han demostrado ser efectivos en el tratamiento de la incertidumbre y la imprecisión en los datos geotécnicos, así como en la toma de decisiones.
Los métodos de aprendizaje profundo, como las Redes Neuronales Convolucionales (CNN) y las Redes Neuronales Recurrentes (RNN), han revolucionado la modelización de datos geotécnicos al permitir la extracción de características complejas y la modelización de secuencias de datos. La IA también resalta en la detección de anomalías en estructuras geotécnicas mediante el análisis de datos de instrumentación y la identificación de patrones de comportamiento anómalos. Por otro lado, se ha explorado el uso de técnicas de IA en la simulación de procesos geotécnicos, como la consolidación de suelos o la propagación de ondas sísmicas, mejorando la comprensión de estos fenómenos y permitiendo una toma de decisiones más precisa en proyectos de esta rama.
Análisis del Problema
El campo de la ingeniería geotécnica enfrenta desafíos significativos en el estudio y predicción del comportamiento de materiales como el suelo y la roca. Estos desafíos tienen un impacto directo en la planificación, diseño y construcción de estructuras geotécnicas. Los métodos tradicionales utilizados en la ingeniería geotécnica, como las pruebas de laboratorio y campo, presentan limitaciones significativas. Por otro lado, aunque existen métodos numéricos y analíticos, su capacidad para modelar sistemas materiales geotécnicos complejos es limitada.
La aplicación de la Al tiene la posibilidad de superar las limitaciones de los métodos tradicionales y desarrollar modelos más precisos y eficientes. Permite el análisis y procesamiento de grandes cantidades de datos geotécnicos, lo que brinda la oportunidad de capturar la complejidad y no linealidad del comportamiento de los materiales geotécnicos. La aplicación de la inteligencia artificial en la ingeniería geotécnica presenta una solución prometedora para abordar los desafíos existentes. Al mejorar la precisión, eficiencia y comprensión en el análisis, diseño y toma de decisiones geotécnicas, la inteligencia artificial tiene el potencial de impulsar avances significativos en la industria, mejorando la seguridad y la eficiencia de las estructuras geotécnicas y reduciendo los riesgos asociados.
Dentro de los métodos utilizados por la IA para esta rama tenemos los siguientes:
- Formato no soportado
Resultados
- Se Utiliza Ann y Anfis para Modelar el Perfil de Temperatura de la Superficie del Suelo a Partir de la Temperatura del Aire Ambiente, la Humedad Relativa y la Radiación Solar. las Propiedades Térmicas de los Suelos Como la Conductividad Térmica y Predicción de Hielo y Escarcha Como Fecha de Congelación y Fecha de Ruptura Fueron los Parámetros Más Predichos.
- Se Utiliza Ann y Svm Donde los Parámetros Comúnmente Predichos En la Mecánica de Rocas Son la Proyección de Fragmentos de Roca (fly Rock), la Velocidad Máxima de Partículas, la Fragmentación y la Resistencia a la Compresión No Confirmada (ucs).
- Las Redes Neuronales Artificiales (ann) Se Han Utilizado para Predecir el Módulo Resiliente del Suelo de Subrasante y Otros Materiales Utilizados En Pavimentos.
- Se Utiliza Ann para Predecir la Licuefacción del Suelo En Diversos Estudios, Utilizando Como Entradas la Profundidad del Nivel Freático, el Valor del Ensayo de Penetración Estándar (spt) y el Valor del Ensayo de Penetración con Cono (cpt).
- Se Usa Ann para Predecir la Estabilidad de Taludes a Través del Factor de Seguridad. Entre los Parámetros de Entrada Utilizados En Estos Estudios Se Encuentran el Ángulo de Pendiente, el Coeficiente de Aceleración Horizontal y el Ancho del Contrapeso.
- Ann Se Utiliza para la Predicción de Asentamientos y Capacidad de Carga de Pilotes y el Asentamiento y Capacidad de Carga de Cimentaciones Superficiales. También Se Utilizó para Predecir la Excentricidad de la Carga. En Estos Estudios, Se Consideraron el Valor del Ensayo de Penetración Estándar (spt), el Ancho de la Cimentación y el Peso Unitario del Suelo Como Entradas.
- Se Utiliza Ann con Modelos Desarrollados para Predecir el Rendimiento de las Máquinas de Excavación de Túneles. Donde, Se Consideraron Como Entradas la Agregación del Suelo, la Cohesión, el Ángulo de Fricción, la Resistencia Compresiva No Confinada (ucs), el Índice de Fragilidad (bi) y Factores Técnicos (como Empuje y Torque) de la Máquina de Excavación de Túneles.
- Se Usa Ann para Predecir el Caudal de Entrada y Salida, Así Como la Deformación de las Presas. También Se Usa Svm, para Predecir el Flujo En Presas.
- Se Usa Ann para Predecir la Retención de Agua En Suelos No Saturados a Diferentes Densidades. el Contenido de Humedad Estimado por Ann Es Más Preciso En Comparación con el Análisis de Regresión. Formato no soportado
Bibliografía
Baghbani, A., Choudhury, T., Costa, S., Reiner, J. (2022). Application of artificial intelligence in geotechnical engineering: A state-of-the-art review. Earth-Science Reviews, 228, 103991. ISSN 0012-8252. . undefined. Acceso al documento