Optimización de muros de contención mediante enfoques de aprendizaje por refuerzo y técnicas metaheurísticas

Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. Se trata de un nuevo método para optimizar el diseño de muros de contención mediante funciones de aprendizaje y transferencia por refuerzo. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València. Es fruto de la colaboración de nuestro grupo de investigación con los profesores chilenos.

El artículo presenta un nuevo método para optimizar el diseño de muros de contención mediante funciones de aprendizaje y transferencia por refuerzo. El estudio compara el método propuesto con otros métodos metaheurísticos y de fuerza bruta, y muestra que las funciones de transferencia en forma de S arrojan consistentemente mejores resultados en términos de costes y emisiones de CO₂. El documento concluye que el método propuesto proporciona un enfoque prometedor para reducir los costos y las emisiones de CO₂ y, al mismo tiempo, mejorar la resistencia estructural en los proyectos de ingeniería civil.

Las contribuciones de este artículo son:

  • Introducir una nueva técnica de discretización basada en funciones de aprendizaje y transferencia por refuerzo para optimizar el diseño de los muros de contención en términos de costes y emisiones de CO₂.
  • Comparar el método propuesto con varios métodos metaheurísticos y de fuerza bruta, y demostrar que las funciones de transferencia en forma de S arrojan consistentemente resultados más sólidos.
  • Proporcionar un enfoque prometedor para reducir los costos y las emisiones de CO₂ y, al mismo tiempo, mejorar la resistencia estructural en los proyectos de ingeniería civil.

Abstract:

The structural design of civil works is closely tied to empirical knowledge and the design professional’s experience. Based on this, adequate designs are generated in terms of strength, operability, and durability. However, such designs can be optimized to reduce conditions associated with the structure’s design and execution, such as costs, CO2 emissions, and related earthworks. In this study, a new discretization technique based on reinforcement learning and transfer functions is developed. The application of metaheuristic techniques to the retaining wall problem is examined, defining two objective functions: cost and CO2 emissions. An extensive comparison is made with various metaheuristics and brute force methods, where the results show that the S-shaped transfer functions consistently yield more robust outcomes.

Keywords:

Metaheuristics; concrete retaining walls

Reference:

LEMUS-ROMANI, J.; OSSANDÓN, D.; SEPÚLVEDA, R.; CARRASCO-ASTUDILLO, N.; YEPES, V.; GARCÍA, J. (2023). Optimizing Retaining Walls through Reinforcement Learning Approaches and Metaheuristic Techniques. Mathematics 11(9): 2104. DOI:10.3390/math11092104

Os paso el artículo para su descarga, pues se ha publicado en abierto:

Descargar (PDF, 824KB)

Machine learning aplicado a la construcción: Un análisis de los avances científicos y del futuro próximo

Acaban de publicarnos un artículo en la revista Automation in Construction, que es la revista indexada de mayor impacto JCR en el ámbito de la ingeniería civil. En este caso se ha realizado un análisis bibliométrico del estado del arte y de las líneas de investigación futura del Machine Learning en el ámbito de la construcción. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València. En este caso, se trata de una colaboración con grupos de investigación de Chile, Brasil y España.

El artículo lo puedes descargar GRATUITAMENTE hasta el 11 de octubre de 2022 en el siguiente enlace: https://authors.elsevier.com/c/1fdIq3IhXMtgv2

Los complejos problemas industriales, junto con la disponibilidad de una infraestructura informática más robusta, presentan muchos retos y oportunidades para el aprendizaje automático (Machine Learning, ML) en la industria de la construcción. Este artículo revisa las técnicas de ML aplicadas a la construcción, principalmente para identificar las áreas de aplicación y la proyección futura en esta industria. Se analizaron estudios desde 2015 hasta 2022 para evaluar las últimas aplicaciones de ML en la construcción. Se propuso una metodología que identifica automáticamente los temas a través del análisis de los resúmenes utilizando la técnica de Representaciones Codificadoras Bidireccionales a partir de Transformadores para posteriormente seleccionar manualmente los temas principales. Hemos identificado y analizado categorías relevantes de aplicaciones de aprendizaje automático en la construcción, incluyendo aplicaciones en tecnología del hormigón, diseño de muros de contención, ingeniería de pavimentos, construcción de túneles y gestión de la construcción. Se discutieron múltiples técnicas, incluyendo varios algoritmos de ML supervisado, profundo y evolutivo. Este estudio de revisión proporciona directrices futuras a los investigadores en relación con las aplicaciones de ML en la construcción.

Highlights:

  • State-of-the-art developed using natural language processing techniques.
  • Topics analyzed and validated by experts for consistency and relevance.
  • Topics deepened through application of bigram analysis and clustering in addition to traditional bibliographic analysis.
  • Identified five large areas, and detailed two to three groups of relevant lines of research.

Abstract:

Complex industrial problems coupled with the availability of a more robust computing infrastructure present many challenges and opportunities for machine learning (ML) in the construction industry. This paper reviews the ML techniques applied to the construction industry, mainly to identify areas of application and future projection in this industry. Studies from 2015 to 2022 were analyzed to assess the latest applications of ML techniques in construction. A methodology was proposed that automatically identifies topics through the analysis of abstracts using the Bidirectional Encoder Representations from Transformers technique to select main topics manually subsequently. Relevant categories of machine learning applications in construction were identified and analyzed, including applications in concrete technology, retaining wall design, pavement engineering, tunneling, and construction management. Multiple techniques were discussed, including various supervised, deep, and evolutionary ML algorithms. This review study provides future guidelines to researchers regarding ML applications in construction.

Keywords:

Machine learning; BERT; Construction; Concretes; Retaining walls; Tunnels; Pavements; Construction management

Reference:

GARCÍA, J.; VILLAVICENCIO, G.; ALTIMIRAS, F.; CRAWFORD, B.; SOTO, R.; MINTATOGAWA, V.; FRANCO, M.; MARTÍNEZ-MUÑOZ, D.; YEPES, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Automation in Construction, 142:104532. DOI:10.1016/j.autcon.2022.104532

Lógica neutrosófica aplicada a la evaluación multicriterio de alternativas sostenibles de muros de contención de tierras

Alternativas de diseño para muros de contención de tierras

El diseño sostenible de infraestructuras es uno de los aspectos clave para alcanzar los Objetivos de Desarrollo Sostenible, debido a los impactos tanto económicos como ambientales del sector de la construcción. Las metodologías de decisión multicriterio permiten abordar el diseño sostenible de infraestructuras considerando simultáneamente el impacto de un diseño en las diferentes dimensiones de la sostenibilidad. Este artículo propone el uso de la lógica neutrosófica para resolver uno de los principales problemas asociados a la toma de decisiones: la subjetividad de los expertos implicados. Mediante el enfoque neutrosófico de la metodología AHP multicriterio y el uso de la técnica VIKOR, se analizan los impactos económicos y ambientales asociados a cuatro diseños de muros de contención de tierras.

Referencia:

SÁNCHEZ-GARRIDO, A.J.; MARTÍNEZ-MUÑOZ, D.; NAVARRO, I.J.; YEPES, V. (2021). Neutrosophic logic applied to the multi-criteria evaluation of sustainable alternatives for earth-retaining walls. 6th International Conference on Mechanical Models in Structural Engineering, CMMoST 2021, 1-3 December, Valladolid, Spain, pp. 188-203. ISNB: 978-84-09-39323-7

Descargar (PDF, 2.01MB)

 

 

Evaluación del ciclo de vida de muros óptimos de contrafuertes

s09596526Nos acaban de publicar un artículo que versa sobre la evaluación del ciclo de vida de muros óptimos de contrafuertes. En este estudio se han analizado 30 muros optimizados de varias alturas (4-13 m), con terrenos de distintas capacidades portantes (0,2; 0,3 y 0,4 MPa). Os paso la referencia, el resumen y el enlace al artículo. Espero que os sea de interés.

NOTICIA: Hasta el 21 de diciembre de 2016 podéis descargaros gratis el artículo directamente en:

http://authors.elsevier.com/a/1Tz-03QCo9JQWX

Aprovecha la oportunidad para no pagar los costes de descarga.

Highlights

  • A life cycle assessment over 30 optimized earth-retaining walls is conducted
  • Concrete presents the highest contribution to all impact categories
  • Steel significance on every impact increases with wall size
  • The recycling rate influences each impact category to different degrees
  • Savings on abiotic resource depletion with 70% recycled steel are about 72%

 

l-31-fig31-3-counterfort-retaining-wallsAbstract:

In this paper life cycle assessments are carried out on 30 optimized earth-retaining walls of various heights (4–13 m) and involving different permissible soil stresses (0.2, 0.3 and 0.4 MPa) in Spain. Firstly, the environmental impacts considered in the assessment method developed by the Leiden University (CML 2001) are analyzed for each case, demonstrating the influence of the wall height and permissible soil stress. Secondly, this paper evaluates the contribution range of each element to each impact. The elements considered are: concrete, landfill, machinery, formwork, steel, and transport. Moreover, the influence of the wall height on the contribution of each element over the total impact is studied. This paper then provides the impact factors per unit of concrete, steel, and formwork. These values enable designers to quickly evaluate impacts from available measurements. Finally, the influence of steel recycling on the environmental impacts is highlighted. Findings indicate that concrete is the biggest contributor to all impact categories, especially the global warming potential. However, the steel doubles its contribution when the wall heights increase from 4 m to 13 m. Results show that recycling rates affect impacts differently.

Keywords

Life cycle assessmentRetaining wallSustainability; Buttressed wall

Referencia:

ZASTROW, P.; MOLINA-MORENO, F.; GARCÍA-SEGURA, T.; MARTÍ, J.; YEPES, V. (2017). Life cycle assessment of cost-optimized buttress earth-retaining walls: a parametric study. Journal of Cleaner Production, 140:1037-1048. DOI: 10.1016/j.jclepro.2016.10.085

 

 

CO2-Optimization Design of Reinforced Concrete Retaining Walls based on a VNS-Threshold Acceptance Strategy

Esta es la versión post-print de autor. La publicación se encuentra en: https://riunet.upv.es/handle/10251/28631, siendo el Copyright de la American Society of Civil Engineers.

El artículo debe ser citado de la siguiente forma:

Yepes, V.; Gonzalez-Vidosa, F.; Alcalá, J.; Villalba, P. (2012). CO2-Optimization Design of Reinforced Concrete Retaining Walls Based on a VNSThreshold Acceptance Strategy. JOURNAL OF COMPUTING IN CIVIL ENGINEERING. 26(3):378-386. doi:10.1061/(ASCE)CP.1943-5487.0000140.

Descargar (PDF, 468KB)