Posibilidades de la ingeniería artificial en el análisis de auscultación de presas

Salazar, Fernando; Toledo Municio, Miguel Angel y Oñate Ibáñez, Eugenio (2013). Posibilidades de la ingeniería artificial en el análisis de auscultación de presas. En: "III Jornadas de Ingeniería del Agua. La protección contra los riesgos hídricos ( JIA 2013)", 23/10/2013 - 24/10/2013, Valencia (España). ISBN 978-84-267-2070-2. pp..

Descripción

Título: Posibilidades de la ingeniería artificial en el análisis de auscultación de presas
Autor/es:
  • Salazar, Fernando
  • Toledo Municio, Miguel Angel
  • Oñate Ibáñez, Eugenio
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: III Jornadas de Ingeniería del Agua. La protección contra los riesgos hídricos ( JIA 2013)
Fechas del Evento: 23/10/2013 - 24/10/2013
Lugar del Evento: Valencia (España)
Título del Libro: III Jornadas de Ingeniería del Agua: la protección contra los riesgos hídricos
Fecha: 2013
ISBN: 978-84-267-2070-2
Volumen: 1
Materias:
Escuela: E.T.S.I. Caminos, Canales y Puertos (UPM)
Departamento: Ingeniería Civil: Hidráulica y Energética [hasta 2014]
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img] PDF (Document Portable Format) - Acceso permitido solamente a usuarios en el campus de la UPM - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (4MB)

Resumen

El comportamiento estructural de las presas de embalse es difícil de predecir con precisión. Los modelos numéricos para el cálculo estructural resuelven bien las ecuaciones de la mecánica de medios continuos, pero están sujetos a una gran incertidumbre en cuanto a la caracterización de los materiales, especialmente en lo que respecta a la cimentación. Así, es difícil discernir si un estado que se aleja en cierta medida de la normalidad supone o no una situación de riesgo estructural. Por el contrario, muchas de las presas en operación cuentan con un gran número de aparatos de auscultación, que registran la evolución de diversos indicadores como los movimientos, el caudal de filtración, o la presión intersticial, entre otros. Aunque hoy en día hay muchas presas con pocos datos observados, hay una tendencia clara hacia la instalación de un mayor número de aparatos que registran el comportamiento con mayor frecuencia [1]. Como consecuencia, se tiende a disponer de un volumen creciente de datos que reflejan el comportamiento de la presa. En la actualidad, estos datos suelen tratarse con métodos estadísticos para extraer información acerca de la relación entre variables, detectar anomalías y establecer umbrales de emergencia. El modelo general más común es el denominado HST (Hydrostatic-Season-Time), que calcula la predicción de una variable determinada de una presa a partir de una serie de funciones que tienen en cuenta los factores que teóricamente más influyen en la respuesta: la carga del embalse, el efecto térmico (en función de la época del año) y un término irreversible. Puntualmente se han aplicado modelos más complejos, en algunos casos introduciendo un número mayor de variables, como la precipitación [2], y en otros con otras expresiones como la función impulso-respuesta [3]. En otros campos de la ciencia, como la medicina o las telecomunicaciones el volumen de datos es mucho mayor, lo que ha motivado el desarrollo de numerosas herramientas para su tratamiento y para el desarrollo de modelos de predicción. Algunas de ellas, como las redes neuronales, ya han sido aplicadas al caso de la auscultación de presas [4], [5] con resultados prometedores. El trabajo que se presenta es una revisión de las herramientas disponibles en los campos de la minería de datos, inteligencia artificial y estadística avanzada, potencialmente útiles para el análisis de datos de auscultación. Se describen someramente, indicando sus ventajas e inconvenientes. Se presenta además el resultado de aplicar un modelo basado en bosques aleatorios [6] para la predicción del caudal de filtración en un caso piloto. Los bosques aleatorios están basados en los árboles de decisión [7], que son modelos que dividen el conjunto de datos observados en grupos de observaciones “similares”. Posteriormente, se ajusta un modelo sencillo (típicamente lineal, o incluso un valor constante) que se aplica a los nuevos casos pertenecientes a cada grupo.

Más información

ID de Registro: 30191
Identificador DC: http://oa.upm.es/30191/
Identificador OAI: oai:oa.upm.es:30191
URL Oficial: http://www.ingenieriadelagua.com/2004/JIA/Jia2013/
Depositado por: Memoria Investigacion
Depositado el: 09 Jul 2014 10:36
Ultima Modificación: 22 Sep 2014 11:48
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM