Resumen

La reducción de las aguas subterráneas en taludes naturales y artificiales puede contribuir a mitigar los riesgos de desprendimiento de tierra debido a lluvias intensas y prolongadas. Los sistemas de drenaje subterráneo equipados con bombas se han considerado tradicionalmente una solución temporal para reducir las aguas subterráneas en geosistemas, las técnicas basadas en el bombeo generalmente no son implementadas dado sus elevados costes operativos en cuanto a mano de obra y energía. En este estudio se investiga el control inteligente de las aguas subterráneas en taludes por medio de un aprendizaje por refuerzo profundo (DRL), un subcampo del aprendizaje automático para la toma de decisiones automatizadas. Se implementó un modelo de análisis de infiltraciones mediante el uso de un solucionador de ecuaciones diferenciales para simulas el geosistema. El propósito es permitir el control intermitente del caudal de la bomba para mantener el agua subterránea cerca del nivel objetivo durante los periodos de lluvia y por ende, prevenir rupturas de taludes. Los resultados demuestran que el geosistema integrado con DRL puede adaptar dinámicamente su respuesta a distintos fenómenos metereológicos ajustando el caudal de la bomba y ayuda a mitigar el fallo de los taludes durante la lluvia.

• Materias:Aguas subterráneas Automatización Toma de decisiones Infiltración del suelo
• Subjects:Water underground Automation Decision making Soil infiltration
• Palabras claves:Aprendizaje profundo por refuerzo; Deep Q-Network; Desprendimiento de tierras; Control inteligente; Análisis de infiltración; Análisis de estabilidad de taludes
• Keywords:Deep reinforcement learning; Deep Q-Network; Landslide; Intelligent control; Seepage analysis; Slope stability analysis