Aprendizaje automático y modelos en ingeniería hidroambiental
Aprendizaje automático en ingeniería civil
Investigador principal
Fernando Salazar

Visión general
Investigación
Miembros
Proyectos
Publicaciones
Este grupo desarrolla herramientas basadas en ML para resolver problemas complejos de ingeniería en los campos hidráulico, geomecánico y medioambiental, combinando datos de sensores, modelización numérica y soluciones prácticas de software para el análisis predictivo y el apoyo a la toma de decisiones.
El Grupo de Investigación de Aprendizaje Automático en Ingeniería Civil del CIMNE se centra en resolver problemas complejos de ingeniería integrando técnicas de aprendizaje automático (AM) con datos procedentes de sensores, simulaciones numéricas y modelización física.
El grupo tiene una amplia experiencia en la aplicación de métodos de ML a infraestructuras hidráulicas, como presas, aliviaderos y sistemas de abastecimiento de agua, con un sólido historial en la supervisión del estado estructural, la detección de anomalías y el mantenimiento predictivo.
Más allá de la hidráulica, el grupo también explora aplicaciones en geomecánica, control medioambiental y procesos industriales. Las actividades de investigación abarcan todo el aliento del ML, desde el preprocesamiento de datos y el desarrollo de algoritmos hasta la cuantificación de la incertidumbre y la interpretabilidad.
Las técnicas incluyen modelos de conjunto, aprendizaje profundo y estrategias híbridas que combinan ML con modelos numéricos como CFD y DEM. El grupo mantiene una fuerte orientación práctica, desarrollando soluciones de software personalizadas con interfaces de usuario para su despliegue en el mundo real, y expandiéndose a áreas como la predicción de la calidad del agua y la desinfección de aguas residuales.
Proyectos en curso
Proyectos finalizados
Búsqueda
Noticias relacionadas

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....