Árbol de regresión para determinar el potencial de licuación: ARELI

S.R. García, Miguel P. Romo O., Efraín Ovando S.

In the proceedings of: GEO2011: 64th Canadian Geotechnical Conference, 14th Pan-American Conference on Soil Mechanics and Geotechnical Engineering, 5th Pan-American Conference on Teaching and Learning of Geotechnical Engineering

Session: Other General

ABSTRACT: This paper presents a new method for assessing the liquefaction potential of soils based on geotechnical and seismic descriptions. Data from in situ and laboratory testing are used to develop a Cognitive Analysis and Computing environment for predicting the occurrence and non occurrence of liquefaction. No empirical equation is used to approximate the unknown limit state curve 2D, a Regression Tree is proposed to map the soil and seismic parameters (translated and transfigured by Fuzzy Logic) to nominal and numeric conclusions (calculated by Neural Networks) about liquefaction.

RÉSUMÉ: En este documento se presenta un nuevo método para determinar el potencial de licuación de los suelos basados en descripciones geotécnicas y sísmicas. Se explotan los datos de pruebas de campo y laboratorio para construir un ambiente de Cómputo y Análisis Cognitivo que permite predecir la ocurrencia o no ocurrencia de la licuación. Se eliminan las tradicionales ecuaciones empíricas para definir la curva de estado límite en un espacio 2D y se incluye un Árbol de Regresión que permite mapear las entradas del material y la carga cíclica (traducidas y transfiguradas con Lógica Difusa) hacia conclusiones nominales (calculadas con Redes Neuronales) y numéricas de la licuación. 1 INTRODUCCIÓN El poder destructivo del fenómeno de licuación llamó la atención de la ingeniería mundial a partir de los dos grandes terremotos de 1964 (Alaska, 27 de marzo, Mw= 9.2 y Niigata, 16 de junio, Mw= 7.5) donde severos desplazamientos laterales y fallas de flujo ocasionaron enormes pérdidas económicas y humanas. La investigación derivada de estos eventos se dirigió hacia el esclarecimiento de los mecanismos que controlan la licuación, al pronóstico de su ocurrencia y la mitigación de sus efectos devastadores. La experiencia en campo y laboratorio indica que la licuación y la deformación del terreno asociada a este fenómeno constituyen un problema complejo (difícil de modelar física y analíticamente) por lo que los procedimientos empíricos son la práctica estándar en la evaluación de la resistencia a la licuación, predicción de la deformación del suelo y el diseño de acciones de rehabilitación. Numerosos son los procedimientos desarrollados para establecer el potencial de licuación de los suelos granulares saturados sin embargo, la elección de la ecuación empírica adecuada no es tarea fácil. La alta incertidumbre en la definición de los ambientes sísmicos y en la caracterización de los suelos obliga a la búsqueda de modelos simples constituidos por dos componentes esenciales: 1) un marco analítico basado en la experiencia (casos históricos), y 2) un índice que relacione parámetros de pruebas in situ y las características de licuación del suelo. Las aproximaciones derivadas de estas condiciones buscan vincular el mínimo número de parámetros de los suelos y de los sismos con una interpretación simplista del fenómeno. Las conexiones derivadas del comportamiento en la naturaleza, con un gran número de variables (conocidas y ocultas) moviéndose en rangos dinámicos (dependientes de la variable tiempo) difíciles de definir, hacen del fenómeno de licuación un candidato no apto para ser estudiado con reglas lineales o de baja dimensión. El campo del cómputo cognitivo ha mostrado ser una alternativa poderosa y eficiente para modelar problemas no-lineales multidimensionales que se desarrollen en ambientes con incertidumbre y contaminación. En este trabajo se examina un nuevo procedimiento semi-empírico para evaluar el potencial de licuación de los suelos saturados sujetos a carga cíclica. Esta propuesta combina la lógica difusa y las redes neuronales para alimentar e interpretar los resultados de un árbol de regresión, ARELI. Con ARELI se extraen las relaciones naturales detrás de las observaciones de campo y las condiciones conocidas del suelo. El aprendizaje neuronal y la expresión difusa se usan para la interpretación numérica y lingüística de los parámetros de entrada y las recomendaciones de salida con las que ARELI construye el discurso fipotencial de licuaciónfl. Un aspecto esencial en este nuevo modelo es que, siendo extremadamente simple, genera estimaciones de gran exactitud. Adicional, pero no menos importante, es la ventaja de realizar una separación natural del efecto de las propiedades de suelo, de los métodos de prueba, de la carga sísmica y de otros aspectos que, debido a las fronteras y sesgos de los modelos tradicionales, no es posible cuantificar correctamente.

Please include this code when submitting a data update: GEO2011_856

Access this article:
Canadian Geotechnical Society members can access to this article, along with all other Canadian Geotechnical Conference proceedings, in the Member Area. Conference proceedings are also available in many libraries.

Cite this article: