Estimación de la socavación local en pilas de puentes mediante programación genética para mejorar la precisión predictiva

La socavación local es un fenómeno hidráulico, que resulta de la interacción entre una estructura y el cauce de un río, lo cual altera su flujo natural, provocando erosión del material de lecho donde se sitúan los pilares, por lo que determinar la profundidad adecuada a la cual se deben cimentar los pilares es crucial para la durabilidad de las estructuras; sin embargo, actualmente no existe una ecuación universal para su cálculo. Esta investigación utilizó la programación de expresión genética (GEP), que permite obtener ecuaciones para estimar la socavación local en pilas de puentes. Para ello, se recopilaron 919 datos de laboratorio y 746 de campo. Con estos datos se desarrollaron modelos predictivos de socavación local en tres escenarios: laboratorio, campo y combinados, así como su selección a través de las métricas evaluación de modelos y validación mediante datos de investigaciones externas. El escenario del laboratorio con GEP reveló una mejor robustez, eficiencia y estabilidad de los resultados con coeficiente de determinación (R2) de 0.899, error cuadrático medio (RMSE) de 0.054 y el error absoluto medio (MAE) de 0.027. No obstante, en la validación, el modelo del escenario de campo generó un resultado eficaz con error típico entre 6.0 y 14.0 % en cuanto a las ecuaciones analíticas. Así, se concluye que la inteligencia artificial basada en programación genética mejoró la predicción de la socavación local en puentes en relación con los modelos analíticos.