Aprenentatge automàtic i models en enginyeria hidroambiental
Aprenentatge automàtic en enginyeria civil
Investigador principal
Fernando Salazar
Visió general
Recerca
Membres
Projectes
Publicacions
Aquest grup desenvolupa eines basades en ML per resoldre problemes complexos d’enginyeria en els camps hidràulic, geomecànic i ambiental, combinant dades de sensors, modelatge numèric i solucions pràctiques de programari per a l’anàlisi predictiva i el suport a la decisió.
El Grup de Recerca en Aprenentatge Automàtic en Enginyeria Civil del CIMNE se centra en la resolució de problemes complexos d’enginyeria mitjançant la integració de tècniques d’aprenentatge automàtic (ML) amb dades de sensors, simulacions numèriques i modelatge físic.
El grup té una àmplia experiència en l’aplicació de mètodes ML a infraestructures hidràuliques, incloses preses, sobreeixidors i sistemes de subministrament d’aigua, amb una sòlida trajectòria en el monitoratge de la salut estructural, la detecció d’anomalies i el manteniment predictiu.
Més enllà de la hidràulica, el grup també explora aplicacions en geomecànica, monitorització ambiental i processos industrials. Les activitats de recerca abasten tota la respiració de ML, des del preprocessament de dades i el desenvolupament d’algorismes fins a la quantificació i interpretabilitat de la incertesa.
Les tècniques inclouen models de conjunt, aprenentatge profund i estratègies híbrides que combinen ML amb models numèrics com CFD i DEM. El grup manté una forta orientació pràctica, desenvolupant solucions de programari personalitzades amb interfícies d’usuari per al desplegament en el món real i expandint-se a àrees com la predicció de la qualitat de l’aigua i la desinfecció d’aigües residuals.
Àrees de recerca
Activitats de recerca amb tècniques d'aprenentatge automàtic
Aprenentatge automàtic per a la predicció del comportament de la presa
Desenvolupament de metodologies i programari per a l’anàlisi de dades de monitoratge de preses, incloent la generació de models predictius de ML i la seva interpretació, amb l’objectiu final de donar suport a la presa de decisions en seguretat de preses. Relacionat amb: Projecte DOLMEN .
Software per a l’avaluació de la seguretat de les preses mitjançant ML: captures de pantalla de l’aplicació SOLDIER. GitHub repo.
Aprenentatge automàtic avançat per a la detecció i localització d'anomalies
Explorem les possibilitats de l’aprenentatge profund i altres algorismes avançats de ML com els autocodificadors per curar dades de monitoratge, detectar anomalies i localitzar possibles danys estructurals.
Estructura de l’autocodificador (esquerra) i detecció de dades de monitorització anòmales (dreta). Font: https://doi.org/10.1007/s13349-025-00910-4.
Noves eines computacionals per a l'avaluació de la seguretat de preses basada en la fiabilitat
Ús de models ML per donar suport a l’anàlisi FEM per predir la resposta de la presa, inclosa la incertesa i l’anàlisi de riscos. Relacionat amb: Projecte TRISTAN
Detecció d’anomalies en preses: exemple de xarxa de monitoratge (esquerra) i model numèric per simular esdeveniments anòmals (dreta). Font: https://doi.org/10.3390/w13172387
Anàlisi d'estructures hidràuliques
Anàlisi del rendiment hidràulic de sobreeixidors i sortides de fons combinant mètodes numèrics (PFEM, Free-Surface) i tècniques ML.
Rendiment hidràulic del sobreeixidor: exemple de geometria (esquerra) i relació entre els valors observats i previstos dels models ML de capacitat de descàrrega. Font: https://doi.org/10.3390/w11030544
Optimització intel·ligent de processos industrials
Suport i optimització dels processos de disseny de deformació metàl·lica rotacional. Ús del marc Digital Twin basat en FEM combinat amb tècniques de classificació ML. Relacionat amb: Projecte OPTIPRO
Anàlisi de processos de conformació de metalls: equips industrials (esquerra) i GUI per a la parametrització de processos (dreta)
Qualitat de l'aigua i tècniques de tractament de l'aigua
Aplicació de models ML per a la predicció de l’estat de qualitat de l’aigua en masses d’aigua i avaluació de tractaments avançats d’eliminació de contaminants de l’aigua. Relacionat amb: DIGIT4WATER Projecte
Predicció de tractaments avançats d’aigües residuals amb tècniques ML. Més informació: https://doi.org/10.1016/j.jenvman.2024.123537
Previsió de la qualitat de l'aire
Aplicació de models ML per a la predicció de l’estat de la qualitat de l’aire. Relacionat amb: PIKSEL, Projectes PRONURB .
Predicció basada en ML de la concentració d’O3 troposfèric a la plataforma PICSEL.
Identificació de perills per fallada de preses amb substituts ML
Estimació automàtica de possibles danys en cas de fallada d’embassaments fora corrent. Relacionat amb: Projecte ACRÒPOLIS .
Captures de pantalla del programari ACRÒPOLIS. Disponible a GitHub.
Calibratge de models numèrics amb ML
Calibratge dels paràmetres DEM del comportament de l’argila: model numèric per simular proves de comportament de l’argila (esquerra), i anàlisi de calibratge mitjançant ML (centre i dreta). Font: https://doi.org/10.1007/s40571-022-00550-1
Activitats de recerca amb mètodes numèrics
Comportament termomecànic de preses de formigó
Simulació del comportament de la presa de formigó durant les etapes de construcció i operació integrant càrregues termomecàniques d’alt detall. Relacionat amb: Projecte ACOMBO ; Aplicació de programari ‘DamApplication‘ (integrada en el marc Kratos).
Modelització de preses de formigó: simulació d’etapes de construcció (esquerra), camp de desplaçaments (centre) i camp de tensions (dreta). Font: https://doi.org/10.1007/s11831-020-09439-9
Disseny de sobreeixidors de blocs en forma de falca
Simulació CFD mitjançant modelatge FEM euleriano i simulació d’estabilitat de blocs mitjançant modelatge DEM. Relacionat amb: Projecte PABLO .
Simulació de sobreeixidors de blocs en forma de falca: anàlisi hidràulica (esquerra), disseny de blocs (centre) i anàlisi d’estabilitat de blocs (dreta)
Disseny industrial de portes de fusibles de preses
Simulacions d’interacció fluid-sòlid mitjançant modelització PFEM+DEM per calcular els següents processos: cabal de descàrrega per a diferents posicions de porta, velocitat de caiguda de portes i força d’impacte porta-paret. Relacionat amb: Projecte COFRE .
Simulació de portes de fusibles: disseny de geometria (esquerra), simulació 2D d’interacció fluid-sòlid (centre) i simulació 3D (dreta)
Anàlisi CFD d'estructures hidràuliques: sobreeixidors altament convergents, modelització de conques d'aquietació i sistemes de drenatge
Simulació de fenòmens hidràulics 3D complexos, mitjançant models FEM i PFEM, com ara la posició en superfície lliure de salt hidràulic, camps de pressió i velocitat i identificació de zones amb risc d’erosió.
Anàlisi CFD d’estructures hidràuliques: sobreeixidors altament convergents (esquerra) i simulació de conca de quietud (dreta)
Anàlisi del comportament del llast ferroviari amb el mètode dels elements discrets (DEM)
Simulació d’infraestructures ferroviàries contra accions de canvi climàtic i avaluació de la resposta de llast ferroviari mitjançant model DEM. Relacionat amb: Projecte RESILTRACK .
Simulació d’infraestructures ferroviàries: simulació del comportament del llast (esquerra), anàlisi de calibratge (centre) i simulació d’infraestructures ferroviàries (dreta)
Modelització numèrica de xarxes de distribució d'aigua (WDN)
Desenvolupament de models numèrics per a la simulació de fuites mitjançant solucionadors avançats impulsats per pressió. Relacionat amb: Projecte SMILER .
Esquema metodològic d’utilitat numèrica avançada per simular casos massius d’escenaris de fuites en WDN
Enfocaments híbrids
Predicció flexible i precisa del comportament de la presa
Enfocaments intel·ligents per augmentar la flexibilitat i la precisió de la predicció del comportament de les preses combinant resultats de mètodes numèrics i models ML utilitzant dades de monitoratge. Relacionat amb: projecte DOLMEN.
Predicció del desplaçament de la presa d’arc amb enfocaments híbrids.
Predicció de cabals a curt termini amb models híbrids
Metodologies per combinar resultats de models numèrics 2D (basats en el programari IBER) amb models basats en ML que consideren els valors de pluja i cabal passat per obtenir prediccions precises i ràpides de 3 hores d’antelació del cabal en esdeveniments d’inundació.
Hidrograma observat versus prediccions amb enfocaments híbrids. Font: https://doi.org/10.1080/02626667.2024.2426720
Projectes en curs
Projectes finalitzats
Cerca
Notícies relacionades
CIMNE experts use Machine Learning to streamline reservoir risk assessment
Researchers at CIMNE's Machine Learning in Civil Engineering Research Group and the Flumen Institute have developed a new machine-learning based tool to classify off-stream reservoirs based on their potential risk of rupture. The work, carried out as part of the...
CIMNE’s new machine learning-based software improves dam structural safety
Researchers from the Machine Learning in Civil Engineering group at CIMNE have developed a new machine-learning based software to predict structural behaviour of dams, allowing for enhanced decision-making and minimizing safety risks of these critical infrastructures....