Tecnologías de la Información aplicadas a la simulación probabilística de estabilidad geotécnica mediante Python
DOI:
https://doi.org/10.5281/zenodo.21273130Palabras clave:
simulación probabilística, estabilidad geotécnica, PythonResumen
Las Tecnologías de la Información (TI) han transformado la ingeniería geotécnica al permitir el desarrollo de simulaciones computacionales que superan las limitaciones de los métodos determinísticos tradicionales. En este contexto, el presente estudio tuvo como objetivo diseñar una herramienta de simulación probabilística de estabilidad geotécnica implementada en Python, integrando las tecnologías de simulación Monte Carlo (50.000 iteraciones) y estimación puntual de Rosenblueth (32 combinaciones) para cuantificar la incertidumbre del Factor de Seguridad (FS) en excavaciones subterráneas. Metodológicamente, el enfoque es cuantitativo de tipo proyectivo; se emplearon las bibliotecas científicas NumPy, SciPy y Matplotlib, definiendo distribuciones estadísticas truncadas para los parámetros geomecánicos de entrada. Los resultados mostraron que la herramienta digital desarrollada obtiene un FS medio de 3,602 (σ = 0,577), un índice de confiabilidad β = 4,512 y una probabilidad de falla P(FS<1) ≈ 0,00%, con plena concordancia entre ambos métodos (discrepancia < 1,5%) y un tiempo de cómputo de apenas 0,12 segundos. La prueba de Kolmogorov-Smirnov validó la distribución lognormal como modelo de ajuste funcional (KS = 0,0073). Se concluye que la aplicación de Tecnologías de la Información mediante Python constituye una herramienta digital eficaz y accesible para la gestión de riesgos geotécnicos, que optimiza el diseño del sostenimiento sin comprometer la seguridad.
Descargas
Referencias
Chuaiwate, P., Jaritngam, S., Panedpojaman, P., & Konkong, N. (2022). Probabilistic analysis of slope against uncertain soil parameters. Sustainability, 14(21), 14530. https://doi.org/10.3390/su142114530
Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., ... Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357–362. https://doi.org/10.1038/s41586-020-2649-2
Hoek, E., & Bray, J. W. (1981). Rock slope engineering (3ra ed.). Institution of Mining and Metallurgy.
Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90–95. https://doi.org/10.1109/MCSE.2007.55
Hurtado, J. (2000). Metodología de la investigación holística. SYPAL.
Kar, S. S., & Roy, L. B. (2022). Probabilistic based reliability slope stability analysis using FOSM, FORM, and MCS. Engineering, Technology & Applied Science Research, 12(2), 8236–8240. https://doi.org/10.48084/etasr.4689
Low, B. K., & Boon, C. W. (2024). Probability-based design of reinforced rock slopes using coupled FORM and Monte Carlo methods. Rock Mechanics and Rock Engineering, 57, 1195–1217. https://doi.org/10.1007/s00603-023-03607-6
Man, J., Zhang, T., Huang, H., & Dias, D. (2024). Probabilistic analysis of tunnel face seismic stability in layered rock masses using polynomial chaos Kriging metamodel. Journal of Rock Mechanics and Geotechnical Engineering, 16(7), 2678–2693. https://doi.org/10.1016/j.jrmge.2023.09.020
Nguyen, P. M. V., & Marciniak, M. (2024). Stochastic rock slope stability analysis: Open pit case study with adjacent block caving. Geotechnical and Geological Engineering, 42, 5827–5845. https://doi.org/10.1007/s10706-024-02862-w
Nguyen, T. S., Tanapalungkorn, W., & Likitlersuang, S. (2024). Probabilistic analysis of dual circular tunnels in rock masses considering rotated anisotropic random fields. Computers and Geotechnics, 170, 106319. https://doi.org/10.1016/j.compgeo.2024.106319
Pandit, B., & Sivakumar Babu, G. L. (2021). Probabilistic stability assessment of tunnel-support system considering spatial variability in weak rock mass. Computers and Geotechnics, 137, 104242. https://doi.org/10.1016/j.compgeo.2021.104242
Qin, W., Chen, E. J., Wang, F., Liu, W., & Zhou, C. (2024). Data-driven models in reliability analysis for tunnel structure: A systematic review. Tunnelling and Underground Space Technology, 152, 105928. https://doi.org/10.1016/j.tust.2024.105928
Rana, H., Pandit, B., & Sivakumar Babu, G. L. (2023). Estimation of uncertainties in soil using MCMC simulation and effect of model uncertainty. Geotechnical and Geological Engineering, 41, 6249–6266. https://doi.org/10.1007/s10706-023-02523-4
Renaud, V., & Al Heib, M. (2024). Probabilistic slope stability analysis: A novel distribution for soils exhibiting highly variable spatial properties. Probabilistic Engineering Mechanics, 76, 103586. https://doi.org/10.1016/j.probengmech.2024.103586
Rusydy, I., Canbulat, I., Zhang, C., Wei, C., & McQuillan, A. (2024). The development and implementation of design flowchart for probabilistic rock slope stability assessments: A review. Geoenvironmental Disasters, 11(28), 1–28. https://doi.org/10.1186/s40677-024-00290-9
Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., ... van der Walt, S. J. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261–272. https://doi.org/10.1038/s41592-019-0686-2
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
La revista se acoge a la licencia Licencia Atribución (CC BY), permitiendo la posibilidad de copiar, distribuir, exhibir, y producir obras derivadas, siempre y cuando se reconozca y cite al autor.
