Estimación del asentamiento inducido por licuefacción de cimentaciones superficiales mediante aprendizaje automático...

Área de la Ciencia:

• Ingeniería Geotécnica
• Ingeniería de Terremotos
• Aplicaciones de Aprendizaje Automático

Sus antecedentes:

• La estimación precisa de los asentamientos por licuefacción inducida por terremotos en cimentaciones superficiales es vital para la evaluación del riesgo sísmico.
• El desarrollo de métodos de predicción fiables para deformaciones verticales e inclinación de edificios en suelos licuables es clave para infraestructuras resilientes.
• La toma de decisiones informada en seguros contra terremotos y planificación de mitigación depende de una predicción eficaz de los daños sísmicos.

Objetivo del estudio:

• Analizar comparativamente los modelos de aprendizaje automático (ML) y aprendizaje profundo (DL) para la clasificación de asentamientos de edificios inducidos por licuefacción.
• Investigar el impacto de la remuestreo de datos, el aprendizaje sensible al costo y los avances algorítmicos en el manejo de distribuciones de clases sesgadas.
• Identificar predictores influyentes utilizando la selección de características basada en SHAP y mejorar la fiabilidad de la clasificación mediante el ajuste dinámico de umbrales y el aprendizaje de conjuntos.

Principales métodos:

• Recopilación de una base de datos completa de estudios de caso documentados, integrando datos de edificios, geotécnicos y sísmicos.
• Aplicación de diversas técnicas de remuestreo a nivel de datos y estrategias de aprendizaje sensible al costo para abordar el desequilibrio de clases.
• Implementación de selección de características basada en SHAP para identificar predictores clave y aprendizaje de conjuntos con votación ponderada para mejorar la clasificación.

Principales resultados:

• Los modelos de aprendizaje automático y aprendizaje profundo demostraron ser eficaces en la clasificación de los asentamientos de edificios inducidos por licuefacción.
• La selección de características basada en datos y la optimización dinámica de umbrales mejoraron significativamente la precisión de la clasificación de daños sísmicos.
• El estudio identificó predictores clave que influyen en los asentamientos inducidos por licuefacción, mejorando la interpretabilidad y eficiencia del modelo.

Conclusiones:

• Los enfoques optimizados basados en datos, incluida la selección de características y el ajuste de umbrales, ofrecen una metodología robusta para clasificar daños sísmicos.
• La metodología desarrollada proporciona una herramienta computacionalmente eficiente e interpretable para aplicaciones de ingeniería geotécnica de terremotos.
• Esta investigación contribuye al desarrollo de soluciones de cimentaciones resilientes a sismos y estrategias de gestión de riesgos informadas.