Resumen

La simulación de asentamientos en materiales cohesivos es un tema crucial debido a la complejidad de la textura del suelo cohesivo. Esta investigación se enfoca en la implementación de modelos de aprendizaje automático recién desarrollados llamados Sistema de Inferencia Neuro-Difuso Adaptativo Hibridizado (ANFIS) con algoritmo de Optimización de Enjambre de Partículas (PSO), optimizador de Colonias de Hormigas (ACO), Evolución Diferencial (DE) y Algoritmo Genético (GA) como enfoques eficientes para predecir el asentamiento de cimentaciones superficiales sobre propiedades de suelos cohesivos. El ancho de la cimentación (), presión de la cimentación (), geometría de la cimentación (/), cantidad de golpes SPT (), y la relación de embebimiento de la cimentación (/) son considerados como variables predictivas. La no homogeneidad e inconsistencia del conjunto de datos empleado es una preocupación importante durante la modelización predictiva. Por lo tanto, se inspeccionaron dos escenarios de modelización diferentes: (

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Asentamiento; Materiales de cohesión; Modelos de aprendizaje automático; Cimentación superficial; Variables predictivas; Conjunto de datos
• Keywords:Settlement; Cohesion materials; Machine learning models; Shallow foundation; Predictive variables; Dataset