Resumen

Los análisis numéricos y computacionales en torno al comportamiento de la capacidad portante de los suelos cercanos o adyacentes a taludes han sido de gran importancia en las construcciones de movimiento de tierras en todo el mundo debido a su naturaleza única. Este fenómeno se encuentra en curvas verticales de pavimentos, drenajes y cimentaciones verticales de infraestructuras. En este trabajo, se recopilaron múltiples datos sobre los parámetros del suelo y la interfaz de la zapata, que incluían la anchura de la zapata, la profundidad de la cimentación, la distancia del talud desde el borde de la zapata, la densidad aparente del suelo, los ángulos de inclinación y fricción, y los factores de capacidad portante de cohesión y presión de sobrecarga determinados para el caso de una cimentación en un talud o adyacente a él. Se emplearon técnicas inteligentes de programación genética (GP), regresión polinómica evolutiva (EPR) y redes neuronales artificiales (ANN) para predecir la capacidad portante última de una cimentación sobre un talud o adyacente a él. Se evaluó el rendimiento de los modelos y se comparó su precisión y solidez con las conclusiones de Prandtl. Se observó que los resultados mostraban la superioridad de las técnicas GP, EPR y RNA sobre los trabajos computacionales de Prandtl. Además, la RNA superó a los demás métodos de inteligencia artificial en el ejercicio.

• Materias:Factores en cubiertas Comportamiento del hormigón Control de caída Evaluación de la calidad
• Subjects:Roofing factors Concrete behavior Slump control Quality assessment
• Palabras claves:pendiente, otros métodos de inteligencia artificial, red neuronal artificial, regresión polinómica evolutiva, parámetros de interfaz de zapatas, capacidad portante última, cimentaciones verticales de infraestructuras, ANN, EPR, GP
• Keywords:slope, other artificial intelligence methods, artificial neural network, evolutionary polynomial regression, footing interface parameters, ultimate bearing capacity, vertical infrastructure foundations, ANN, EPR, GP