ALGORITMOS DE APRENDIZAJE AUTOMÁTICO APLICADOS A LA PREDICCIÓN DE FALLOS DE TALUDES EN PRESAS DE TIERRA DESENCADENADOS POR PRECIPITACIONES

Algoritmos de aprendizado de máquina aplicados à previsão de falhas em taludes de barragens de terra provocadas por chuvas

Resumen

La estabilidad de taludes en presas de tierra es una cuestión de importancia mundial. La precipitación es un factor crucial en este análisis, ya que es uno de los principales desencadenantes de los deslizamientos de tierras. Los recientes avances en sistemas computacionales que integran modelos numéricos con algoritmos de aprendizaje automático ofrecen un enfoque sólido para realizar predicciones precisas. En esta investigación se emplean siete algoritmos ampliamente utilizados para predecir la estabilidad de los taludes: redes neuronales artificiales, máquinas de vectores soporte, árboles de decisión, bosques aleatorios, k-vecinos más cercanos, regresión logística y Naive Bayes. Esta investigación utiliza un conjunto de datos con 5637 casos de presas de tierra generados mediante métodos numéricos acoplados, que tienen en cuenta la filtración transitoria y el impacto de las precipitaciones en la estabilidad de los taludes. El objetivo es desarrollar modelos de predicción de gran precisión. Los resultados indican que el mejor caso de respuesta global es el de k vecinos más cercanos, con una precisión de 0,983 y un error de 0,017; seguido de las redes neuronales artificiales, con una precisión de 0,966 y un error de 0,034. Los resultados más desfavorables se obtuvieron para Naive Bayes con una precisión de 0,852 y un error de 0,148; seguido de las máquinas de vectores soporte con una precisión de 0,863 y un error de 0,137. Además, se seleccionaron tres taludes del mundo real con características similares a las propuestas en el conjunto de datos para validar los resultados individuales obtenidos con cada uno de los siete algoritmos. A partir de este análisis se detectó que las redes neuronales artificiales, las máquinas de vectores soporte y los bosques aleatorios fueron los únicos que predijeron con precisión la respuesta esperada en la validación.