ANALISIS DE LA VULNERABILIDAD ASOCIADA A LA GEOTECNIA USANDO

REDES NEURONALES ARTIFICIALES EN EL CERRO LA PICOTA DISTRITO

AYACUCHO PROVINCIA HUAMANGA DEPARTAMENTO AYACUCHO.

Problema: Es importante conocer el movimiento de masa que se produce por el crecimiento

poblacional en las laderas del cerro la picota?

Hiptesis: el anlisis permitir relacionar funcionalmente los factores predispuestos y dar la

probabilidad de ocurrencia de movimiento de masa.

Variables:
Geologa
Geomorfologa
Usos del suelo
Topografa
Precipitacin
Objetivo: Obtener un mapa de movimiento de amenaza de movimiento de masa.

lagrimaselmer
VULNERABILIDAD ASOCIADA A LA GEOTECNIA EN EL CERRO LA PICOTA

a) Marco referencial
El plan de desarrollo urbano de la ciudad de Ayacucho (plano de sntesis fsico espacial) del ao
2005-2018 califica al cerro la picota como una zona peligrosa por contener zona de surcos y
crcavas activas, desprendimiento y derrumbe de suelos por accin ssmica, esta calificacin
en la actualidad no se considera importante para el crecimiento poblacional, permitiendo esta
la construccin de viviendas lo cual genera movimiento de masas los cuales aumentan la
peligrosidad ;he de all la importancia del estudio de movimiento de masas y establecer valores
para cuantificar su vulnerabilidad.
 b) FACTOR A=REALIDAD

El espacio de estudio se ubicara en las laderas del cerro la picota, el rea de estudio est
considerada como zona de peligro en el plan de desarrollo urbano de la ciudad de Ayacucho
(plano de sntesis fsico espacial) del ao 2005-2018.

El tiempo de estudio se considerara a partir de la fecha del 02/10/2017.

c) FACTOR B=El marco referencial

El plan de desarrollo urbano de la ciudad de Ayacucho (plano de sntesis fsico espacial) del ao
2005-2018 califica al cerro la picota como una zona peligrosa por contener zona de surcos y
crcavas activas, desprendimiento y derrumbe de suelos por accin ssmica, esta calificacin
en la actualidad no se considera para el crecimiento poblacional, permitiendo esta la
construccin de viviendas lo cual genera movimiento de masas los cuales aumentan la
peligrosidad ;he de all la importancia del estudio de movimiento de masas y establecer valores
para cuantificar su vulnerabilidad.

d) FACTOR X=El problema

Es importante conocer el movimiento de masa que se produce por el crecimiento poblacional

en las laderas del cerro la picota?

e) Formulacin de la hiptesis
El anlisis permitir relacionar funcionalmente los factores predispuestos y dar la probabilidad
de ocurrencia de movimiento de masa.
TITULO: Viabilidad de reemplazar el refuerzo de cizallamiento mnimo con fibras

de acero para vigas de hormign sostenibles de alta resistencia.

Reflejos

El refuerzo de cizallamiento mnimo en la viga HSC puede

eliminarse mediante la adicin de 0,75% de fibras de acero en
forma de gancho.

La adicin de fibras de acero aumenta la resistencia a la flexin,
pero disminuye la ductilidad de las vigas HSC.

El rayo SFRC reforzado sin estribo falla debido a la ruptura
prematura de barras de acero.

El uso del ndice de ductilidad final es apropiado para el haz de
SFRC reforzado.

Se propone una ecuacin apropiada de factor de orientacin de
fibra para SFRC de alta resistencia.
Abstracto
Este estudio tiene como objetivo investigar la viabilidad de eliminar el refuerzo de cizallamiento
mnimo en vigas de hormign armado de alta resistencia (HSC) mediante la incorporacin de
0,75% (en volumen) de fibras de acero en forma de gancho. Para hacer esto, cinco grandes
hachas de HSC reforzadas, con y sin estribos y fibras de acero, se fabricaron y probaron. Para
tener un refuerzo de cizallamiento mnimo, las vigas HSC reforzadas fueron diseadas con
relaciones longitudinales de barra de acero de 0.64-0.72%. Los resultados de la prueba indican
que el uso de 0.75 vol% de fibras de acero (en lugar de estribos) conduce a una mayor resistencia
a la flexin pero menor deflexin y ductilidad. El modo de falla de las vigas HSC ligeramente
reforzadas se transform de la trituracin de hormign a la ruptura longitudinal de la barra de
acero al incluir las fibras de acero. Sin embargo, tanto las vigas reforzadas de HSC como las de
hormign reforzado con fibra de acero (SFRC) mostraron modos de falla por flexin; como
resultado, se concluy que el refuerzo de cizallamiento mnimo para vigas HSC reforzadas puede
eliminarse de manera eficiente al incluir 0,75 % en volumen de fibras de acero en forma de
gancho. Adems, el comportamiento de flexin de las vigas SFRC reforzadas se simul con xito
en base al anlisis de seccin considerando el factor de orientacin de la fibra.
Palabras clave
Hormign de alta resistencia
Refuerzo de cizallamiento mnimo
Enganche de fibra de acero
Ductilidad
Factor de orientacin de fibra
En problemas relacionados con fenmenos de degradacin del terreno, tal como lo son los
movimientos en masa, es difcil alcanzar niveles de prediccin aceptables debido a la
complejidad involucrada y al elevado nmero de variables que intervienen. Encontrar la relacin
existente entre un amplio grupo de variables representativas de diferentes as- pectos del
terreno, y la probabilidad de ocurrencia de un determinado fenmeno de degradacin, no es
trivial, y se constituye en una labor compleja que difcilmente se resuel- ve usando algoritmos
paramtricos basados en la combina- cin matemtica o estadstica de las variables
involucradas. Adems, los anlisis realizados para la zonificacin (anli- sis discriminantes y de
regresin) requieren que los datos sean derivados de poblaciones normalmente distribuidas,
hiptesis que generalmente es violada, obtenindose mode- los de difcil y no muy confiable
interpretacin. Este pro- blema puede enmendarse introduciendo en el modelo, slo variables
que sean claramente relevantes, o seleccionadas a partir de la evaluacin previa de su influencia
por medio de procedimientos de ensayo/error (Garca, 2004), incorporan- do anlisis
netamente fsicos y matemticos demandantes en presupuesto y tiempo o introduciendo
anlisis para los que no sean relevantes en la manera cmo influyen, dentro del fenmeno fsico,
las diferentes variables condicionan- tes.

Zonificacin geotcnica del Valle de Aburr usando redes

neuronales artificiales

RESUMEN

En el presente trabajo se pretende utilizar las Redes Neuronales Artificiales (RNA) para la
evaluacin cuantitativa de la amenaza a los movimientos en masa en el cerro la picota, del
departamento de Ayacucho, para lo cual fueron utilizados cinco factores del terreno, geologa,
geomorfologa, uso del suelo, pendientes y procesos morfodinmicos, y un factor detonante, la
lluvia, representada por la probabilidad de excedencia del umbral de lluvia desencadenante del
fenmeno natural. La funcin de la RNA es encontrar la relacin funcional entre los factores
predisponentes y la probabilidad de ocurrencia del movimiento en masa, lo cual se hace
mediante un proceso de aprendizaje donde se presentan datos de entrenamiento, y por medio
de iteraciones se va obteniendo una optimacin de los pesos de las conexiones entre neuronas
hasta alcanzar un error mnimo en el modelo. Este fue alimentado mediante una herramienta
de SIG, la cual divide el territorio en una malla de elementos cuadrados de 100 m de lado (con
total de 115.545), caracterizando cada una de stas con todas las variables que su centro
contiene, resultando as la matriz de informacin para el modelamiento de la RNA. Se encontr,
finalmente, un modelo neuronal con una correlacin del 78%, en el cual se observa que 4% del
rea del Valle de Aburr se encuentra en amenaza. Para concluir, esta metodologa es eficiente,
ya que logra cuantificar el error cometido en el momento de evaluar la amenaza, lo cual no se
puede saber en mtodos tradicionales de lgebra de mapas, y quita la intervencin al mximo
de los expertos en el momento de evaluar la amenaza.

1. INTRODUCCIN

Un movimiento en masa se define como el movimiento de una masa de roca, escombros o tierra
a lo largo de una ladera o talud, stos son fenmenos altamente complejos producto de la
interaccin de numerosos factores geolgicos, geomorfolgicos, fsicos y humanos que
controlan la distribucin espacio-temporal de su ocurrencia. Aristizbal y Gmez (2007)
encuentran que los movimientos en masa corresponden al 35% del total de eventos registrados
en todo el Valle de Aburr, solamente superado por las inundaciones que representan el 42%
del total. Con respecto a las afectaciones, estos autores presentan que los movimientos en masa
son los fenmenos con mayor saldo trgico de personas, con el 74.1% del total de vctimas
reportadas en todo el Valle, seguido lejanamente por las avenidas torrenciales con el 13.8% y
las inundaciones con el 5.1%.

Debido al aumento acelerado de la poblacin en los ltimos cincuenta aos, se ha incentivado

la urbanizacin en laderas con estabilidad marginal sobre la parte media y alta de las vertientes.
Los nuevos desarrollos de viviendas formales e informales se han venido realizando sobre la
periferia del Valle, sobre reas de fuertes pendientes las cuales fueron sujeto de movimientos
en masa en el pasado (Aristizbal y Yokota, 2006). Como una primera medida para determinar
las reas ms propensas o probables de la ocurrencia de los movimientos en masa, comnmente
llamados mapas de amenaza por movimientos en masa, tradicionalmente se dejaba esta labor
a un grupo de expertos que mediante procedimientos convencionales de lgebra de mapas y
observacin basada en la experiencia, producan los antiguos mapas de amenaza; sin embargo,
dichos mapas estaban sujetos a la experiencia del experto y slo podan evaluar la amenaza
cualitativamente (alta, media, baja).

Recopilacin de informacin de factores predisponentes, detonantes y movimientos en

masa
Se recopil toda la informacin disponible para los municipios del Valle de Aburr sobre los
siguientes temas: geologa, geomorfologa, usos del suelo, topografa y precipitacin. Cada tema
se encuentra representado en un mapa que cubre completamente todo el territorio de estudio.
Todos los mapas fueron suministrados por el rea Metropolitana del Valle de Aburr, a partir
de proyectos anteriores como los de microzonificacin ssmica (AMVA, 2007c), planes de
ordenamiento territorial de los municipios (AMVA, 2006), y otros estudios especficos como los
de ordenamiento de cuencas (AMVA, 2007a). Por otra parte, se compil informacin de los
inventarios de movimientos en masa de los ltimos 20 aos, obtenida de los registros del
SIMPAD y del rea Metropolitana del Valle de Aburr (DESINVENTAR). Dicha informacin sirvi
para generar un mapa adicional llamado mapa de procesos o mapa de inventario de
movimientos en masa, el cual sirve, tal como se explicar en detalle en secciones posteriores,
para calcular la probabilidad de ocurrencia de movimientos en masa y para indicar al modelo
neuronal sobre dicha probabilidad en el proceso de entrenamiento. Posteriormente, con las
series de lluvias se generaron dos mapas adicionales llamados mapas de probabilidad de
excedencia de umbrales crticos de precipitacin, los cuales sirven para indicarle al modelo
neuronal si una regin particular del territorio presenta escenarios de precipitacin que puedan
detonar o no movimientos en masa. Finalmente, se construy un mapa de permeabilidad
basado en pruebas de campo, que sirvi para el refinamiento del modelo de amenaza de
Medelln. Ms adelante se explica en detalle la forma de generar dichos mapas.
Creacin de una base de datos para la modelacin con las RNA
Para generar la informacin necesaria que se suministr al modelo neuronal, se dividi el
territorio en una malla con elementos cuadrados de 100 m de lado para el Valle de Aburr y
elementos cuadrados de 50 m para el municipio de Medelln. Este tamao de celda de trabajo
es considerado adecuado para el nivel de detalle en el que se trabaja (escala regional), debido a
que el mapa final que se pretende obtener, llamado mapa de amenaza por movimientos en
masa, debe ser entendido como una herramienta de planificacin regional del territorio con el
cual las entidades de planificacin puedan tener herramientas para gestionar la distribucin de
recursos, por ejemplo. El mapa final no deber ser usado como herramienta para la toma de
decisiones puntuales, respecto a la manzana, por ejemplo, relacionadas con aspectos comunes
en el da-a-da de los funcionarios, como por ejemplo: desalojos puntuales de viviendas por
fenmenos de inestabilidad, entrega de pequeas partidas presupuestales para mitigacin de la
amenaza, determinacin del grado de estabilidad de pequeos lotes de terreno para efectos de
reubicacin temporal o definitiva de personas. Todos estos casos debern ser tratados con
criterios individuales, tomando en cuenta las caractersticas puntuales de cada situacin en la
escala adecuada. Cada celda de trabajo es caracterizada con todas las variables predisponentes,
de tal forma que al final del proceso se obtiene una matriz de dimensin Nc Na, en la cual Nc
es el nmero total de celdas del territorio estudiado (115.545) y Na es el nmero de atributos
considerados (33), esto para el caso del Valle de Aburr. Para la generacin de esta matriz de
informacin fue fundamental el uso de una herramienta de SIG, que se utiliz para exportar
cada uno de los diferentes atributos de los distintos temas de informacin en formatos
adecuados para su manipulacin en forma de datos numricos con formatos ASCII, compatibles
con casi todos los cdigos computacionales actuales. Este procesamiento de la informacin en
el SIG se explica en detalle en el captulo correspondiente.

Creacin, entrenamiento y validacin del modelo neuronal

Este procedimiento comenz con el preprocesamiento de la base de datos para verificar su
normalidad, cobertura y pertinencia. Lo primero tuvo que ver con verificar que todas las
variables de la base de datos de entrada presentaran valores numricos en el intervalo [0 1]. La
cobertura tuvo que ver con la distribucin de las variables dentro del espacio considerado. No
es indispensable que todas las variables se encuentren homogneamente distribuidas en el
espacio, pero s es conveniente conocer la forma como estn. En algunos casos fue conveniente
eliminar algunos puntos de regiones que estaban excesivamente representadas en contraste
con otras cuyo grado de cobertura era deficiente. Finalmente, la pertinencia tuvo que ver con
verificar la independencia lineal entre las diferentes variables consideradas, por ejemplo, no es
conveniente incluir informacin sobre rangos de pendientes y geomorfologa simultneamente,
sin antes verificar el grado de influencia de las pendientes en las unidades geomorfolgicas. Si
la dependencia es muy alta, una sola de las variables ser suficiente, ya que incluir las dos puede
generar confusin en el modelo en lugar de mejorar su desempeo de aprendizaje y validacin.
Posteriormente se crean varios modelos con diferentes arquitecturas y se verifica la evolucin
del desempeo de cada uno de ellos mediante el clculo de sus errores de validacin. El modelo
que presenta el menor error se considera adecuado para resolver el problema planteado y sobre
su arquitectura se adelantan nuevos procesos de entrenamiento con diferentes estrategias o
funciones de aprendizaje. El modelo final es validado para medir su nivel de confianza y se
produce una respuesta que es un valor numrico que indica la probabilidad de ocurrencia de
movimientos en masa en una porcin del territorio. Por ltimo, con la informacin que se obtuvo
de la RNA, el SIG produce un mapa de amenaza por movimientos en masa, el cual es sometido
a varios niveles de validacin antes de ser aceptado. En la figura 2 se muestra un esquema de
cmo es la combinacin del SIG con las RNA, dando una idea ms clara de cul es la funcin de
cada una de las partes; el SIG organiza, distribuye, presenta y compila toda la informacin
temtica disponible y genera nuevos mapas con la informacin producida; la RNA descubre las
relaciones existentes entre todas las variables involucradas para cada una de las celdas del
territorio, con el propsito de determinar la probabilidad de ocurrencia de un fenmeno en
particular, que para el caso estudiado, fueron los movimientos en masa. En este proceso, las
RNA hacen el trabajo que tradicionalmente estaba en manos de los grupos de expertos que
mediante procedimientos convencionales de lgebra de mapas, muy susceptibles, producan los
antiguos mapas de amenaza. La gran ventaja de la RNA es su imparcialidad inicial con relacin a
los niveles de importancia que las variables de entrada tienen en el proceso y la posibilidad de
dar un paso adelante en el sentido de obtener no solamente una amenaza cualitativa (alta,
media, baja), sino tambin cuantitativa en trminos probabilsticos.