Resumen

Los posibles daños a los túneles existentes representan una gran preocupación para la construcción de excavaciones profundas en áreas urbanas. La incertidumbre de las condiciones del subsuelo y las interacciones no lineales entre múltiples agentes (por ejemplo, suelos, estructuras de soporte de excavación y estructuras de túneles) hacen que la predicción de la respuesta del túnel inducida por excavaciones adyacentes sea una tarea bastante difícil y compleja. Este artículo propone una iniciativa para resolver este problema utilizando modelado basado en procesos, donde la información generada a partir de los procesos de interacción entre suelos, estructuras y actividades de excavación se utiliza para reducir gradualmente la incertidumbre relacionada con las propiedades del suelo y para aprender los patrones de interacción a través de técnicas de aprendizaje automático. Para ilustrar tal concepto, este artículo presenta un modelo basado en procesos simple que consta de un módulo de red neuronal artificial (ANN), un módulo de modelado inverso y un módulo mecanicista. El

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Daños potenciales; Túneles existentes; Excavaciones profundas; áreas urbanas; Condiciones subsuperficiales; Interacciones no lineales
• Keywords:Potential damages; Existing tunnels; Deep excavations; Urban areas; Subsurface conditions; Nonlinear interactions