Respuesta Sísmica de Edificios Empleando Redes Neuronales Recurrentes con Física Informada
Acronym
P_RNR-SISMO
Status
https://purl.org/pe-repo/concytec/estadoProyecto#concluido
Tipo de proyecto
https://purl.org/pe-repo/ocde/tipoProyecto#investigacionAplicada
Description
Una de las principales limitaciones en la aplicación de "machine learning" en el Peru radica en los datos de entrenamiento. En muchos casos los datos están incompletos, no estan en un formato apropiado, o simplemente no existen datos de entrenamiento. La presente investigación busca anticipar un desafio que se manifestará en un futuro muy cercano en el campo de la ingeniería antisísmica. En el año 2016, la Norma Técnica E.030 fue actualizada. Entre las principales modificaciones se encuentra el capítulo IX: Instrumentación. En dicho capitulo, se indica que edificaciones con más de 20 pisos o con dispositivos de disipación o aislación sísmica, deberan instalar una estación acelerométrica (sensores que miden aceleraciones) en el nivel del terreno y en la azotea. Esto indica que en un futuro cercano existirá una alta demanda para monitorear la salud de los edificios empleando dichos acelerómetros. Sin embargo, existen dos limitaciones importantes: (i) la cantidad de registros de aceleración es limitada actualmente, y (ii) las mediciones en los edificio (solo en la base y azotea) es también limitada. La presente propuesta busca investigar modelos de inteligencia artificial (IA) que puedan aprender, de una cantidad limitada de datos, a estimar la respuesta sísmica de todos los pisos de un edificio. La estrategia que se propone es incluir una restricción adicional al modelo IA para que respete las ecuaciones diferenciales de movimiento que gobiernan la dinámica de estructuras. La propuesta incluye evaluar el modelo no solo en modelos númericos, sino tambien en un ensayo de laboratorio y un edificio real.
Keywords
Respuesta sísmica
;
Redes neuronales recurrentes
;
Aprendizaje informado por física
;
Edificios
Área de conocimiento
Engineering and technology
Campo OCDE
https://purl.org/pe-repo/ocde/ford#2.11.02
