Seismic response prediction for torsionally irregular buildings using structural health monitoring and machine learning

• Guizado Caceres, Elvis Daniel ^[1] ; Diaz Figueroa, Miguel Augusto ^[1] ; Isuhuaylas Aguirre, Sergio Manuel ^[1]
  1. [1] Universidad Nacional de Ingeniería

     Universidad Nacional de Ingeniería

     Perú

     
• Localización: TECNIA, ISSN-e 2309-0413, ISSN 0375-7765, Vol. 35, Nº. 1, 2025, págs. 94-106
• Idioma: español
• Títulos paralelos:
  • Predicción de la respuesta sísmica de edificaciones con irregularidad torsional empleando el monitoreo de la salud estructural y aprendizaje automático
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Given the seismic risk that buildings in Peru face, monitoring the structural health of critical infrastructure is essential. Structural health monitoring (SHM) is commonly carried out at the center of mass (CM) of buildings using accelerometers. However, in torsional irregular structures, the maximum response does not occur at the CM due to the torsional effect produced by the existing in-plan eccentricity between the centers of stiffness (CS) and mass. This research proposes a methodology to estimate the maximum response in buildings with torsional effects using SHM with accelerometers positioned at the CM. In the proposed methodology, the degree of torsional irregularity was defined to enable the calculation of the maximum seismic response. Consequently, a new machine learning model for predicting the degree of torsional irregularity was developed using 9,358 seismic simulations. The prediction model achieved a normalized error of 4.054% in estimating the maximum seismic response. Likewise, incremental dynamic tests were carried out on a shaking table with 8 specimens having different structural configurations. The experimental results were used to assimilate the developed model with the numerical results, thus obtaining a hybrid prediction model for the degree of torsional irregularity. Finally, a mathematical expression was proposed to estimate the degree of torsional irregularity using experimental results based on the structural and seismic characteristics validated with the hybrid prediction model. The proposed methodology is important because this tool can provide a more accurate assessment of the state of torsional irregular structures after the occurrence of an earthquake.

  • English

    Dado el riesgo sísmico que enfrentan los edificios en Perú, el monitoreo de la salud estructural de la infraestructura crítica es esencial. El monitoreo de la salud estructural (SHM, por sus siglas en inglés) se realiza comúnmente en el centro de masa (CM) de los edificios utilizando acelerómetros. Sin embargo, en estructuras con irregularidad torsional, la respuesta máxima no ocurre en el CM debido al efecto de torsión producido por la excentricidad en planta existente entre los centros de rigidez (CS) y masa. Proponemos una metodología para estimar la respuesta máxima en edificios con efectos de torsión utilizando SHM con acelerómetros posicionados en el CM. En la metodología propuesta, se definió el grado de irregularidad torsional para permitir el cálculo de la respuesta sísmica máxima. En consecuencia, se desarrolló un nuevo modelo de aprendizaje automático para predecir el grado de irregularidad torsional utilizando 9,358 simulaciones sísmicas. El modelo de predicción alcanzó un error normalizado del 4.054% en la estimación de la respuesta sísmica máxima. Asimismo, se llevaron a cabo pruebas dinámicas incrementales en una mesa vibratoria con 8 especímenes que presentaban diferentes configuraciones estructurales. Los resultados experimentales se utilizaron para asimilar el modelo desarrollado con los resultados numéricos, obteniéndose así un modelo híbrido de predicción del grado de irregularidad torsional. Finalmente, se propuso una expresión matemática para estimar el grado de irregularidad torsional mediante resultados experimentales, basada en las características estructurales y sísmicas validadas con el modelo híbrido de predicción. La metodología propuesta es importante porque esta herramienta puede proporcionar una evaluación más precisa del estado de las estructuras con irregularidad torsional después de la ocurrencia de un sismo.