Optimización y control inteligente de puentes atirantados

Acaban de publicar un artículo nuestro en Results in Engineeringuna de las revistas de mayor impacto científico, ubicada en el primer decil del JCR. Este trabajo trata sobre un sistema avanzado para el seguimiento de la salud estructural (SHM, por sus siglas en inglés) y la optimización de puentes de gran envergadura y estáticamente indeterminados (hiperestáticos).

La investigación se enmarca en el proyecto RESILIFE, que dirijo como investigador principal en la Universitat Politècnica de València. Además, muestra la internacionalización de nuestro grupo de investigación, en este caso, con China. A continuación, se presenta un resumen del trabajo y de la información de contexto.

 El problema central que se aborda en este trabajo es la insuficiencia de los métodos de supervisión tradicionales, ya que no permiten una vigilancia continua, en tiempo real y a distancia, crucial para garantizar la seguridad, la longevidad y el mantenimiento rentable de estas complejas infraestructuras.

La solución propuesta es una plataforma inteligente en la nube para el control y la alerta temprana que integra la informática, la ingeniería de comunicaciones, el control y la automatización y la mecánica de ingeniería. Este sistema combina los datos de supervisión en tiempo real, obtenidos mediante la tecnología de Internet de las Cosas (IoT), con modelos de elementos finitos (FEM) para evaluar con precisión el estado de la estructura.

Su eficacia se demostró mediante un estudio de caso del Puente del Río Amarillo en China (LZYB). El análisis de los datos de seguimiento y las simulaciones por elementos finitos revelaron que el diseño original del puente era excesivamente conservador, ya que la deflexión vertical real bajo cargas operativas representaba entre el 26,5 % y el 33,9 % del valor predicho en el diseño.

Con base en este hallazgo, se optimizó el diseño de la viga principal del puente, lo que permitió reducir el volumen de hormigón de la losa de fondo en un 15 %. Un análisis posterior del ciclo de vida (LCA) cuantificó los beneficios de esta optimización, que incluyen una reducción de 2009,65 toneladas de emisiones de CO₂ y un ahorro económico de 2 694 189,55 CNY, sin comprometer la seguridad ni el rendimiento estructural. Este enfoque representa un nuevo paradigma para el mantenimiento seguro, económico y sostenible de infraestructuras críticas.

1. Introducción y desafíos de la auscultación estructural.

Los puentes de gran envergadura y estáticamente indeterminados están sometidos a múltiples factores que pueden afectar a su integridad, como la respuesta dinámica de la estructura y el daño por fatiga acumulada debido a la interacción de cargas múltiples y condiciones ambientales complejas. Las microfisuras internas pueden propagarse hasta convertirse en fisuras macroscópicas y provocar la inestabilidad y el fallo de la estructura.

1.1. Limitaciones de los métodos tradicionales.

  • Inspección visual: los métodos iniciales, basados en la inspección visual realizada por personal cualificado para detectar defectos superficiales, como las grietas por fatiga, son imprecisos y propensos a errores.
  • Supervisión de la salud estructural (SHM) convencional: ha mejorado la precisión, pero enfrenta desafíos como la falta de sensores adecuados para el monitoreo autónomo a largo plazo y de algoritmos eficaces para predecir y diagnosticar daños locales por fatiga.
  • Enfoques basados en algoritmos: existen dos métodos principales: los basados en modelos, que utilizan un modelo de elementos finitos preciso, pero que consumen mucho tiempo, y los basados en datos, que analizan series temporales continuas, pero que pueden verse limitados por las bajas tasas de transmisión de datos de las redes inalámbricas.

El estudio aborda estas limitaciones combinando las ventajas de ambos enfoques e integrando algoritmos innovadores de alta eficiencia para avanzar en la monitorización continua de la salud estructural.

2. Marco teórico e innovación del sistema.

El trabajo establece un modelo teórico complejo y una plataforma inteligente que integra múltiples disciplinas para superar las barreras técnicas del seguimiento tradicional.

2.1. Puntos clave de la innovación.

  1. Modelo interdisciplinario: se desarrolló un modelo teórico modal complejo, multifactorial y de múltiples fuentes que combina la ciencia de la computación, la ingeniería de comunicaciones, el control y la automatización y la mecánica de ingeniería. Este modelo analiza el impacto de múltiples factores en las estructuras de los puentes y permite realizar un seguimiento de alertas tempranas en una plataforma en la nube.
  2. Supervisión basada en IoT: se adopta un monitoreo en línea, automatizado y en tiempo real basado en el Internet de las cosas (IoT). De este modo, se soluciona la incapacidad de la tecnología tradicional para lograr un seguimiento espaciotemporal continuo y a gran distancia, y se transforma el seguimiento de un «basado en puntos, indirecto y de ajuste de curvas» a otro «espacial, directo y continuo».
  3. Sistema de alerta temprana: proporciona un modelo eficaz de control y de alerta temprana para diversos tipos de deterioro, como grietas, deformaciones, envejecimiento y vibración dinámica. Valida la viabilidad de la estructura en términos de integridad, seguridad, durabilidad y control de la resistencia.

2.2. Componentes del modelo teórico.

El modelo matemático integra varios análisis para evaluar el estado de la estructura:

  • Daño por fatiga estructural: utiliza un modelo de daño por fatiga acumulativa no lineal para analizar la propagación de las fisuras y la degradación continua del módulo de elasticidad del hormigón.
  • Daño por fatiga del acero: se considera que la vida útil del puente está determinada principalmente por la fatiga de las barras de acero. El modelo calcula la profundidad crítica de la fisura y la tensión residual del acero.
  • Efecto de cargas múltiples: se aplica un modelo de mezcla gaussiana para analizar los datos de monitorización, que presentan una distribución de picos múltiples, y se calcula la deflexión total considerando la carga viva, la tensión térmica, la pérdida de pretensado y la retracción y la fluencia del hormigón.
  • Acoplamiento vehículo-puente: Construye una ecuación de un sistema de movimiento acoplado para analizar las interacciones mecánicas entre los vehículos y el puente.
  • Optimización dinámica estructural: utiliza un modelo matemático basado en la función lagrangiana para realizar un diseño de optimización dinámica con un ritmo de convergencia rápido.

3. Estudio de caso: el puente del río Amarillo (LZYB)

La metodología se aplicó a esta estructura atirantada, con un vano principal de 360 metros, ubicada en China.

3.1. Descripción del puente y sistema de control

  • Especificaciones: El LZYB es un puente extragrande para autopista de cuatro carriles con torres romboidales de hormigón armado (C50), una altura de torre de hasta 151 metros y cables atirantados de haces de alambre de acero paralelos galvanizados.
  • Sistema de monitorización: se instalaron 374 dispositivos de 10 tipos diferentes, incluidos sensores de temperatura y de humedad, acelerómetros, extensómetros y sensores de fibra óptica, entre otros. Estos dispositivos se ubicaron en puntos críticos de momento flector y de fuerza cortante, determinados mediante principios de mecánica y el modelo FEM. Los datos se transmiten en tiempo real a una plataforma en la nube basada en internet de las cosas (IoT, por sus siglas en inglés) para su análisis y alerta temprana.
Número Elementos de control Indicadores de alerta Método de adquisición
1 Análisis del modelo de vehículo Identificación de carga nominal (nº de ejes, longitud) Videovigilancia
2 Análisis del flujo de tráfico Autopista de 4 carriles (ADT 2 500-55 000 vehículos) Videovigilancia; captura de video
3 Análisis de sobrepeso Límite de 49 toneladas (se detectaron 82.5; 110 ton) Control dinámico de pesaje
4 Análisis de exceso de velocidad Límite de 80 km/h Control de flujo con exceso de velocidad
5 Control de temperatura ambiental Intervalo de control: -15 ~ 39 °C Sensor de fibra óptica de temperatura
6 Control de humedad ambiental 6,5 % ~ 98 % (torre principal); prevenir corrosión Sensor de fibra óptica de humedad
7 Control de carga de viento Velocidad del viento < 25,8 m/s Anemómetro
8  Control de carga sísmica E1 < 0,20g Instrumento de medición de movimiento del suelo
9  Control de respuesta estructural Frecuencia natural inferior al valor teórico calculado Equipo de monitorización de fibra óptica

3.2. Análisis de los datos de monitorización en tiempo real (abril-julio).

  • Cargas de tráfico: se observó un crecimiento mensual significativo en el volumen total de tráfico, en el número de vehículos con sobrepeso y en el de vehículos que circulaban a exceso de velocidad. El tráfico medio diario osciló entre 7319 y 14 431 vehículos, con picos en junio y julio.
  • Respuesta estructural (deformación): la respuesta de deformación bajo cargas de vehículos mostró una distribución de picos múltiples. El análisis identificó que dicha respuesta se concentraba en la sección de 3.50 L a 5.50 L del lado oeste.
  • Acoplamiento temperatura-deflexión: se halló una fuerte correlación positiva entre la temperatura ambiental y la deflexión de la viga principal (R² = 0,6953). La deflexión máxima registrada fue de 628,9 mm. El análisis identificó las zonas de la viga principal en las que la influencia de la temperatura sobre la deflexión era más marcada.

3.3. Acoplamiento y análisis mediante el modelo de elementos finitos (MEF).

Se creó un modelo 3D del LZYB en Abaqus/CAE 2021 para simular su comportamiento bajo cargas de diseño. Los resultados de la simulación fueron los siguientes:

  • Energía: la energía máxima se concentró en la losa de fondo de la viga principal, entre los vanos 2 y 3.
  • Deformación: la máxima deformación (0,004813 µε) se observó en la parte media de los cables atirantados.
  • Tensión: La tensión máxima (991,175 MPa) se localizó también en los cables atirantados, concretamente en el cable 3-1.
  • Desplazamiento: El desplazamiento vertical máximo calculado fue de 0,002267 metros en el centro del vano principal (sección 6L/12 de la viga).

4. Discusión: optimización y evaluación de la sostenibilidad.

La comparación entre los datos de supervisión en tiempo real y los resultados del FEM sirvió de base para optimizar el diseño.

4.1. Redundancia estructural identificada.

El análisis comparativo reveló una discrepancia significativa: la deflexión vertical global del puente durante su funcionamiento (entre 0,0021 y 0,5944 m) representaba entre el 26,50 % y el 33,90 % del valor máximo predicho por el modelo FEM con cargas de diseño (hasta 2,2434 m). Este hecho indica que el diseño estructural es significativamente conservador o «redundante».

4.2. Optimización del diseño de la viga principal.

Aprovechando la redundancia identificada, se llevó a cabo un proceso de optimización del diseño acoplado de la viga principal. Se analizó el impacto de reducir el volumen de hormigón de la viga de forma iterativa.

Resultado de la optimización: se determinó que era posible reducir el volumen de hormigón de la losa de fondo de la viga principal en un 15 % (es decir, reducir su espesor a 70 mm) sin comprometer el cumplimiento de los requisitos de rendimiento bajo las cargas de diseño originales.

4.3. Evaluación del ciclo de vida (LCA) y de los beneficios.

Se realizó una evaluación del ciclo de vida (LCA) para cuantificar los beneficios ambientales y económicos del diseño optimizado.

Beneficios ambientales y económicos: la reducción del 15 % del hormigón utilizado en la viga principal se traduce en un ahorro significativo a lo largo de todo el ciclo de vida del proyecto.

Indicador de evaluación Reducción
Calentamiento global (GWP100a) 2009,65 toneladas de CO2 eq.
Acidificación (AP) 8,86 toneladas de SO2 eq.
Eutrofización (FEP) 7,12 toneladas de PO4 eq.
Polvo en suspensión (PMFP) 79,63 toneladas
Ahorro económico (coste de material) 2 694 189,55 CNY

5. Conclusiones y hallazgos clave

La investigación demuestra con éxito la viabilidad de un sistema inteligente de supervisión en la nube, acoplado a un modelado FEM, para analizar la seguridad y optimizar el diseño de puentes de gran envergadura.

Resultados clave:

  1. Fallo de cables: el fallo de los cables es un factor crítico para la estabilidad de los puentes atirantados y debe ser un objetivo principal del seguimiento.
  2. Ubicación de la tensión máxima: la tensión más alta se concentra en los cables más largos (en este caso, el cable n.º 10), específicamente en la zona situada a menos de 2 metros de la parte superior de la torre principal.
  3. Diseño del sistema de monitorización subóptimo: el diseño actual de los puntos de control resulta ineficiente. No hay sensores en la parte superior de la torre, donde la tensión es máxima, mientras que hay demasiados en la viga principal.
  4. Enfoque del mantenimiento: el mantenimiento rutinario de los cables atirantados debe centrarse en las zonas de conexión de la parte superior de la torre y de la viga principal.

Innovación y limitaciones: La principal innovación del estudio consiste en aplicar de manera sistemática datos medidos y el modelado FEM 3D para resolver problemas de seguridad y optimización en puentes complejos. Esto ofrece un ejemplo práctico de supervisión en tiempo real y de análisis de la solidez de los datos. Una limitación reconocida es la falta de un estudio en profundidad sobre los efectos destructivos de las sobrecargas de peso y de velocidad, lo que sugiere una línea de investigación para el futuro.

Referencia:

ZHOU, Z.; ZHAO, Z.; ALCALÁ, J.; YEPES, V. (2025). Intelligent operation monitoring and finite element coupled identification of hyperstatic structures. Results in Engineering, 27, 106990. DOI:10.1016/j.rineng.2025.106990

Os dejo una conversación en la que podéis escuchar las ideas más interesantes de este trabajo.

En este vídeo se resumen las ideas más importantes.

Os he dejado una presentación que resume también lo más importante.

Pincha aquí para descargar

Os dejo el artículo completo, ya que está publicado en formato abierto.

Pincha aquí para descargar

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Seguimiento inteligente de deslizamientos en suelos de loess: aplicaciones prácticas y lecciones para el ingeniero civil

Acaban de publicar un artículo en la revista, Geomechanics for Energy and the Environment, de la editorial Elsevier, indexada en el JCR. El presente artículo examina un estudio que combina medición en pilotes de hormigón armado, tecnologías GNSS e InSAR y simulaciones de elementos finitos para entender cómo interactúan factores como la presión, la temperatura y la humedad en la evolución de taludes colapsables.

Este trabajo se enmarca dentro del proyecto de investigación RESILIFE, que dirijo como investigador principal, junto con el profesor Julián Alcalá, en la Universitat Politècnica de València, y es fruto de la colaboración internacional con investigadores de la Hunan University of Science and Engineering (China).

Podéis descargar el artículo de forma gratuita, hasta el 22 de julio de 2025, en la siguiente dirección: https://authors.elsevier.com/c/1lCKs8MtfNSrg1

En entornos donde los suelos de loess presentan alta susceptibilidad a deslizamientos, disponer de información precisa y temprana resulta determinante para garantizar la estabilidad de las infraestructuras y la seguridad de las comunidades.  A partir de los datos de campo y de la validación numérica, se extraen conclusiones clave sobre cómo dimensionar sistemas de refuerzo, configurar umbrales de alerta temprana y optimizar el diseño de pilotes en proyectos reales. A lo largo del texto se detallan tanto la metodología empleada como las aportaciones más relevantes, la interpretación de los resultados y las líneas futuras de investigación, de modo que el profesional del sector disponga de criterios sólidos para aplicar en obra o en la elaboración de proyectos de contención y estabilización en loess.

Metodología

El estudio combina la vigilancia de campo y simulación numérica para caracterizar el comportamiento de deslizamientos en suelos de loess. Se diseñó una red de instrumentación que incluye:

  • Pilotes de hormigón armado con sensores de presión y temperatura instalados a distintas profundidades (entre 2 m y 16 m). Estos sensores registran continuamente variaciones de tensión y temperatura, permitiendo asociar cambios térmicos con redistribuciones de fricción lateral entre pilote y suelo.
  • Receptores GNSS de alta precisión para medir desplazamientos superficiales con cadencia diaria.
  • Técnicas InSAR destinadas a generar mapas de deformación de superficie con resolución milimétrica.
  • Sensores de alambre vibrante para detectar cambios en humedad y densidad del terreno, claves para evaluar la resistencia interna del suelo y su evolución ante variaciones de carga y humedad.

En paralelo, en laboratorio se realizaron ensayos geomecánicos sobre muestras de loess. Se determinaron parámetros fundamentales: cohesión, ángulo de fricción, módulo de deformación y relación de vacíos. Estos datos alimentaron un modelo tridimensional de elementos finitos de tipo termomecánico, que incorpora:

  1. Parámetros de resistencia al corte y rigidez del suelo, calibrados mediante comparación con los desplazamientos y tensiones reales observados en campo.
  2. Condiciones de contorno tomadas de las lecturas de GNSS, InSAR y sensores en pilotes, para reproducir las condiciones de carga estática y los ciclos térmicos naturales.
  3. Proceso de optimización iterativa, ajustando el modelo hasta que las predicciones de deformación coincidieran con los datos de monitorización (diferencia inferior al 5 % entre desplazamientos numéricos y medidos) .

Este enfoque dual—campo y simulación—garantiza que las conclusiones numéricas se basen en datos reales y que los sistemas de seguimiento puedan ser validados frente a un modelo predictivo confiable.

Aportaciones relevantes

El artículo introduce un método integral de monitorización inteligente que va más allá del registro de desplazamientos superficiales. Los aspectos más destacados, con aplicación directa para el ingeniero civil, son:

  • Medición de tensiones internas en profundidad: La instalación de sensores de presión en pilotes permite identificar aumentos de carga a diferentes niveles. Los resultados mostraron que la presión tiende a incrementarse de forma monótona con la profundidad, lo que indica que los estratos inferiores soportan una mayor carga estática. Este comportamiento aporta información valiosa para dimensionar pilotes y elementos de refuerzo, pues revela en qué zonas del talud se concentran esfuerzos críticos antes de que se trasladen a la superficie.
  • Indicadores térmicos de fricción lateral: Las variaciones de temperatura registradas en los pilotes resultan ser un indicador temprano de cambios en la interacción entre el hormigón y el terreno. Aumentos de temperatura intermedios de hasta 3 °C por ciclos diurnos se correlacionaron con un incremento momentáneo de fricción lateral, lo que puede retrasar o anticipar movimientos dependientes de la descompresión del terreno. Para el ingeniero, esto significa que el seguimiento térmico aporta información adicional sobre el estado crítico del pilote antes de observar movimientos visibles.
  • Integración de GNSS e InSAR: Al combinar medidas GNSS (desplazamientos puntuales diarios) con mapas InSAR (cobertura continua de la superficie), se obtiene una visión conjunta de movimientos tanto profundos como superficiales. En el estudio, los desplazamientos de superficie máximos alcanzaron 26,2 mm, con velocidades de 0,11 mm/día, mientras que en profundidad se observaron desplazamientos de hasta 5,64 mm. Estos resultados permiten calibrar sistemas de alerta temprana sobre umbrales de desplazamiento en superficie que reflejen con mayor fiabilidad la evolución interna del talud.
  • Validación del modelo numérico: La comparación entre las simulaciones de elementos finitos y los datos de campo mostró concordancia en las tendencias de deformación. El modelo predijo con precisión que los bloques con geometría más inclinada y menor cohesión interna sufrirían desplazamientos sustanciales (hasta 6,48 m en algunos tramos simulados), mientras que bloques de forma más estable presentaron desplazamientos medios inferiores a 0,20 m. Esta validación otorga credibilidad al modelo para anticipar magnitudes de deformación en función de propiedades geomecánicas y geometría del talud.

En conjunto, estas aportaciones proveen al ingeniero civil una base sólida para diseñar sistemas de protección y refuerzo, establecer niveles de alerta basados en parámetros internos (presión y temperatura) y optimizar diseños de pilotes según las condiciones específicas del terreno de loess.

Discusión de resultados

Los registros de presión en pilotes revelaron que a profundidades superiores a 10 m los valores oscilan entre 50 kPa y 65 kPa, mientras que en los primeros metros (2 m–5 m) se sitúan entre 5 kPa y 20 kPa. Estos gradientes de presión confirman que la mayor parte de la carga estática recae en los estratos inferiores, algo habitual en suelos colapsables. Para el ingeniero, esta información práctica implica que, al diseñar pilotes de refuerzo, debe dimensionarse la sección y longitud considerando un incremento significativo de esfuerzos por debajo de 10 m de profundidad.

Asimismo, las variaciones térmicas registradas mostraron que, durante días con escasa precipitación, las temperaturas del hormigón en pilotes oscilan en un rango de 2 °C a 3 °C en zonas intermedias. Este efecto térmico se traduce en un aumento temporal de la fricción entre el pilote y el suelo, lo que actúa como un freno temporal al movimiento. Sin embargo, tras eventos de lluvia intensa, la entrada de agua reduce la temperatura y, simultáneamente, se observa una disminución de la fricción lateral, provocando repentinamente un aumento de desplazamientos en la superficie. Para el diseño práctico, esto sugiere que los sistemas de alerta temprana deben incorporar sensores de temperatura en pilotes para correlacionar descensos térmicos con posibles incrementos de desplazamiento.

Los desplazamientos superficiales medidos mediante GNSS e InSAR confirman que los movimientos más significativos (hasta 26,2 mm) se producen después de periodos de lluvia intensa, cuando la capacidad de drenaje del loess se ve limitada y presta a la saturación parcial del estrato superior. En estos momentos, los desplazamientos profundos (hasta 5,64 mm) preceden a los superficiales, lo que indica que la evolución interna puede anticipar la inestabilidad. En la práctica, esto recomienda que el seguimiento continuo de movimientos profundos—detectables por un ligero desplazamiento en pilotes o por un ligero aumento de presión de poros—sea prioridad para emitir avisos antes de observar grandes desplazamientos en la superficie.

Desde el punto de vista de la simulación numérica, el modelo de elementos finitos calibrado con los parámetros geomecánicos del loess mostró que los desplazamientos máximos simulados en bloques con ángulos de inclinación superiores a 30° podrían alcanzar valores de hasta 6,48 m en escenarios extremos de carga gradual. En contraste, bloques con inclinación por debajo de 20° presentaron apenas 0,20 m de deformación promedio. Estos resultados empíricos permiten al ingeniero estimar rangos de deformación potenciales según la geometría del talud y decidir si es necesario instalar medidas de contención adicionales (muros de mampostería, gaviones o anclajes). Asimismo, la validación numérica asegura que, en proyectos futuros, el ingeniero pueda confiar en simulaciones previamente calibradas para evaluar la viabilidad de distintas intervenciones.

Futuras líneas de investigación

Con el objetivo de mejorar la práctica profesional, se proponen las siguientes líneas de estudio:

  1. Escenarios sísmicos y precipitaciones extremas: Ampliar la investigación hacia eventos sísmicos de magnitud superior a 5,0 Ritcher y lluvias prolongadas con más de 50 mm/día. Es preciso analizar la respuesta dinámica del suelo y del hormigón en pilotes, incorporando modelos viscoelásticos que reflejen el comportamiento frente a aceleraciones y ciclos de carga rápidos. Esto permitirá definir nuevos criterios de seguridad para zonas de riesgo sísmico y diseñar pilotes con mayor ductilidad o sistemas de disipación de energía.
  2. Control de humedad y nivel freático: Incluir sensores de humedad de alta frecuencia y piezómetros para registrar en tiempo real la evolución del nivel de agua en el subsuelo. Vincular estos datos con la variación de presión de poros y temperatura en pilotes facilitará una lectura más precisa de la dinámica agua-suelo, identificando umbrales de saturación que reduzcan drásticamente la cohesión del loess. Para la práctica, esto significa instar a la instalación de estaciones meteorológicas locales y piezómetros en proyectos en zonas colapsables.
  3. Algoritmos de aprendizaje automático: Desarrollar modelos que integren todos los datos multi-sensoriales (GNSS, InSAR, presión, temperatura, vibración y humedad) para detectar patrones tempranos de reactivación. Las redes neuronales profundas o las máquinas de soporte vectorial pueden clasificar con mayor antelación estados de riesgo, automatizando alertas y permitiendo intervenciones más eficientes. El ingeniero podría disponer de una herramienta que genere notificaciones automáticas al superar umbrales críticos combinados.
  4. Durabilidad de pilotes y fatiga térmica: Investigar la resistencia a largo plazo de los pilotes de hormigón sometidos a ciclos térmicos y mecánicos. Ensayos acelerados de fatiga térmica, por ejemplo, podrían simular 10 años de degradación en semanas de laboratorio, determinando la resistencia residual del hormigón y sus revestimientos. Estos estudios serían útiles para seleccionar aditivos o recubrimientos que impidan la aparición de fisuras por dilataciones y contracciones repetidas.
  5. Interacción entre tráfico e inestabilidades de talud: Analizar cómo las vibraciones generadas por tráfico rodado intenso afectan el desarrollo de grietas y concentraciones de tensión en suelos de loess. Mediante modelos acoplados vehículo-terreno, se podría determinar si reemplazar capas de refuerzo rígido por materiales con mayor capacidad disipadora de energía reduce los efectos adversos en taludes cercanos a carreteras. Esta línea resultará de utilidad para ingenieros de firmes y geotecnia que trabajen en infraestructuras viales cercanas a zonas inestables.

Conclusión

El estudio presenta una estrategia de seguimiento inteligente que combina mediciones de presión y temperatura en profundidad, datos GNSS e InSAR, y simulaciones numéricas termomecánicas para describir con detalle el comportamiento de deslizamientos en loess. Para el ingeniero civil, los hallazgos prácticos son:

  • La presión en pilotes crece significativamente con la profundidad, por lo que el dimensionado debe contemplar refuerzos más robustos bajo los 10 m.
  • Las variaciones térmicas en pilotes anticipan cambios de fricción lateral, recomendando el uso de sensores de temperatura para mejorar sistemas de alerta.
  • Los desplazamientos profundos preceden a los superficiales tras lluvias intensas, por lo que priorizar la monitorización interna puede prevenir movimientos de gran magnitud en superficie.
  • Los bloques con ángulos de inclinación superiores a 30° son más vulnerables y requieren medidas de contención adicionales, hecho que valida la simulación numérica como herramienta predictiva.

En definitiva, la combinación de datos de campo y modelización proporciona una base sólida para diseñar soluciones de refuerzo y sistemas de alerta temprana más ajustados a la realidad del terreno. Herramientas adicionales—como el seguimiento continuo de humedad, algoritmos de inteligencia artificial y estudios de fatiga térmica—podrían perfeccionar las estrategias de diseño y mantenimiento de infraestructuras en zonas de loess, favoreciendo la seguridad y la eficiencia de las intervenciones.

Referencia:

ZHOU, Z.; WANG, Y.J.; YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2025). Intelligent monitoring of loess landslides and research on multi-factor coupling damage. Geomechanics for Energy and the Environment, DOI:10.1016/j.gete.2025.100692