Evaluación de la estabilidad de taludes en presas de tierra empleando Redes Neuronales Artificiales

• Flores Berenguer, Isaida ^[1] ; García Tristá, Jenny ^[1] ; Glez Haramboure, Yoermes ^[1]
  1. [1] Universidad Tecnológica de La Habana “José Antonio Echeverría” (CUJAE)
• Localización: Revista de la Universidad del Zulia, ISSN-e 2665-0428, ISSN 0041-8811, Vol. 12, Nº. 32, 2021 (Ejemplar dedicado a: Journal of the University of Zulia. Volume 12, Number 32, January-April 2021. Agro Sciences, Engineering and Technology), págs. 261-283
• Idioma: español
• Títulos paralelos:
  • Evaluation of slope stability in earth dams using Artificial Neural Networks
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Se propone el análisis de la estabilidad de taludes en presas de tierra en Cuba, empleando Redes Neuronales Artificiales. Actualmente, no hay precedentes en el país de este tipo de estudios. Por tanto, se evalúan los modelos de la caja de herramientas de redes neuronales de MATLAB® fijando como punto de partida una red perceptrón multicapa con algoritmo de retropropagación, con dos capas ocultas, combinando las funciones de entrenamiento y de activación disponibles. Se analiza una presa de tierra conformada por cuatro suelos parcialmente saturados en la cortina, en estado de operación y final de la construcción. Se obtuvo un coeficiente R2 de 0,99998 para la función de Regularización Bayesiana considerando la función tangente hiperbólica en la primera capa y lineal pura en la segunda capa. Se propone a futuro ampliar el uso del método evaluando diversas variables que afectan la estabilidad de taludes en presas bajo múltiples condiciones de carga.

       

  • English

    Analysis of slope stability in earth dams in Cuba is proposed, using Artificial Neural Networks. Currently, there are no precedents in the country for this type of study. Therefore, neural networks toolbox of MATLAB® models are evaluated, setting as a starting point a multilayer perceptron network with backpropagation algorithm, with two hidden layers, combining the available training and activation functions. Earth dam with four partially saturated soils in the embankment is analyzed, in states of operation and at the end of construction. A coefficient R2 of 0.99998 was obtained for the Bayesian Regularization function, considering the hyperbolic tangent function in the first layer and pure linear in the second layer. In the future, it is proposed to expand the use of the method by evaluating variables that affect slope stability in dams under multiple loading conditions.