Aprendizaje automático en ingeniería civil

Desarrollo de metodologías y software para el análisis de datos de monitorización de presas, incluida la generación de modelos predictivos ML y su interpretación, con el objetivo final de apoyar la toma de decisiones en materia de seguridad de presas. Relacionado con: Proyecto DOLMEN.

Exploramos las posibilidades del Aprendizaje Profundo y otros algoritmos avanzados de ML, como los Autoencoders, para curar los datos de monitorización, detectar anomalías y localizar posibles daños estructurales.

Uso de modelos ML como apoyo al análisis MEF para predecir la respuesta de las presas, incluyendo el análisis de incertidumbre y riesgo. Relacionado con: Proyecto TRISTAN

Análisis del comportamiento hidráulico de aliviaderos y desagües de fondo de presas combinando métodos numéricos (PFEM, superficie libre) y técnicas ML.

Soporte y optimización de procesos de diseño de deformación metálica rotacional. Uso de un marco de Gemelos Digitales basado en el MEF combinado con técnicas de clasificación ML. Relacionado con: Proyecto OPTIPRO

Aplicación de modelos ML para la predicción del estado de la calidad del agua en masas de agua y la evaluación de tratamientos avanzados de eliminación de contaminantes del agua. Relacionado con: Proyecto DIGIT4WATER

Aplicación de modelos ML para la predicción del estado de la calidad del aire. Relacionado con: Proyectos PIKSEL, PRONURB.

Estimación automática de los daños potenciales en caso de fallo de los embalses fuera del cauce. Relacionado con: Proyecto ACROPOLIS.

Calibración de los parámetros del Método de los Elementos Discretos (DEM) combinando el cálculo numérico de alto rendimiento con el ML. Relacionado con: Proyectos TRISTAN, HIRMA.

Simulación del comportamiento de presas de hormigón durante las fases de construcción y explotación integrando cargas termomecánicas de alto detalle. Relacionado con: Proyecto ACOMBO; Aplicación informática «DamApplication» (integrada en el marco Kratos).

Simulación CFD mediante modelización MEF euleriana y simulación de estabilidad de bloques mediante modelización DEM. Relacionado con: Proyecto PABLO.

Simulaciones de interacción fluido-sólido mediante modelización PFEM+DEM para calcular los siguientes procesos: flujo de descarga para diferentes posiciones de la compuerta, velocidad de caída de la compuerta y fuerza de impacto compuerta-pared. Relacionado con: Proyecto COFRE.

Simulación de fenómenos hidráulicos complejos en 3D, mediante modelos FEM y PFEM, como la posición de la superficie libre del salto hidráulico, los campos de presión y velocidad y la identificación de zonas con riesgo de erosión.

Simulación de infraestructuras ferroviarias frente a las acciones del cambio climático y evaluación de la respuesta del balasto ferroviario mediante un modelo DEM. Relacionado con: Proyecto RESILTRACK.

Desarrollo de modelos numéricos para la simulación de fugas mediante solucionadores avanzados basados en la presión. Relacionado con: Proyecto SMILER.

Enfoques inteligentes para aumentar la flexibilidad y precisión de la predicción del comportamiento de las presas combinando resultados de métodos numéricos y modelos ML mediante datos de monitorización. Relacionado con: proyecto DOLMEN.

Metodologías para combinar los resultados de los modelos numéricos 2D (basados en el software IBER) con modelos basados en ML que tengan en cuenta las precipitaciones y los valores pasados del caudal para obtener predicciones precisas y rápidas con 3 horas de antelación del caudal en caso de inundación.