Investigadores de la Universidad de California, Berkeley, han desarrollado una nueva forma de evaluar cómo se resistirían los edificios en caso de grandes terremotos. El método utiliza el aprendizaje automático para analizar datos de terremotos pasados e identificar patrones que pueden usarse para predecir cómo se comportarán los diferentes tipos de edificios en futuros terremotos.
Los investigadores afirman que su método es más preciso que los métodos tradicionales de evaluación sísmica, que se basan en modelos simplificados del comportamiento de los edificios. Los modelos de aprendizaje automático pueden capturar las interacciones complejas entre diferentes partes de un edificio y su entorno, lo que permite predicciones más precisas sobre cómo se comportará un edificio en un terremoto.
Los investigadores probaron su método en un conjunto de datos de más de 1.000 edificios que resultaron dañados en terremotos anteriores. El modelo pudo predecir con precisión el nivel de daño de cada edificio, incluso para edificios que no estaban incluidos explícitamente en los datos de entrenamiento.
Los investigadores afirman que su método podría utilizarse para ayudar a mejorar la seguridad sísmica de los edificios. Al identificar los edificios que corren un alto riesgo de sufrir daños, los ingenieros pueden tomar medidas para modernizarlos y hacerlos más resistentes a los terremotos.
La investigación fue publicada en la revista Earthquake Engineering and Structural Dynamics.
Cómo funciona el método
El modelo de aprendizaje automático utilizado en el estudio es un tipo de red neuronal artificial. Las redes neuronales artificiales se inspiran en el cerebro humano y pueden aprender a reconocer patrones en los datos. El modelo se entrenó en un conjunto de datos de más de 1.000 edificios que resultaron dañados en terremotos anteriores. El modelo aprendió a identificar patrones en los datos asociados con diferentes niveles de daño.
Una vez entrenado el modelo, se probó en un conjunto de edificios que no estaban incluidos en los datos de entrenamiento. El modelo pudo predecir con precisión el nivel de daño de cada edificio.
Beneficios del método
El método de aprendizaje automático ofrece varios beneficios sobre los métodos tradicionales de evaluación sísmica.
* Precisión: El modelo de aprendizaje automático es más preciso que los métodos tradicionales de evaluación sísmica, que se basan en modelos simplificados del comportamiento de los edificios.
* Flexibilidad: El modelo de aprendizaje automático se puede utilizar para evaluar una amplia variedad de edificios, incluidos edificios con geometrías complejas y formas irregulares.
* Velocidad: El modelo de aprendizaje automático se puede utilizar para evaluar rápidamente una gran cantidad de edificios.
Aplicaciones del Método
El método de aprendizaje automático podría usarse para una variedad de aplicaciones, que incluyen:
* Evaluaciones de seguridad sísmica: El método podría utilizarse para identificar edificios que corren un alto riesgo de sufrir daños en un terremoto.
* Reequipamiento: El método podría utilizarse para ayudar a los ingenieros a diseñar medidas de modernización para edificios que corren un alto riesgo de sufrir daños.
* Respuesta de emergencia: El método podría utilizarse para ayudar a los servicios de emergencia a evaluar los daños a los edificios después de un terremoto.
El método de aprendizaje automático es una nueva herramienta prometedora para evaluar la seguridad sísmica de los edificios. El método es preciso, flexible y rápido y podría utilizarse para una variedad de aplicaciones.
