Un nuevo algoritmo desarrollado por la Universidad de Surrey podría ayudar a los ingenieros estructurales a monitorear mejor el estado de los puentes y alertarlos cuando necesiten una reparación más rápida.

Muchas autoridades y organizaciones utilizan sistemas de monitoreo de salud estructural para realizar un seguimiento del estado de los puentes, junto con el peso del tráfico que soporta en el día a día. Esto conduce a una tasa de muestreo de datos muy alta, algunos alcanzan al menos 10 Hz y bases de datos que tienen gigabytes de información en una estructura singular, que es costosa de almacenar.

En un artículo publicado por la revista Medición , Los científicos detallan cómo crearon un algoritmo que comprime grandes datos de los sistemas de monitoreo de puentes en tamaños más manejables.

Los científicos de Surrey utilizaron un método de aprendizaje de diccionario llamado K-means Singular Value Decomposition (K-SVD) para comprimir datos del sistema que monitorea el puente Lezíria en Portugal. El equipo aplicó su algoritmo a 45, 000 datos por canal por hora recibidos por el sistema Bridge Weight-in-Motion, una de las aplicaciones de monitoreo más utilizadas, y lograron una reconstrucción casi sin pérdidas a partir de la información de menos del 0.1 por ciento. Otros métodos han demostrado que necesitan el 50% de los datos para lograr una precisión de reconstrucción similar.

Dr. Ying Wang, autor principal del artículo de la Universidad de Surrey, dijo:"Muchas autoridades tienen dificultades para almacenar los datos que tienen para sus puentes y otra infraestructura, con cientos de miles, a veces, millones de coches utilizan algunos puentes todos los días.

"Creemos que este enfoque muestra que puede reducir drásticamente los datos grandes a un tamaño mucho más manejable sin perder información, lo cual es fundamental para los ingenieros estructurales".