Resumen

En las últimas décadas, las redes neuronales artificiales (RNA), como nueva herramienta para el análisis de los problemas geotécnicos más difíciles, se han aplicado con éxito para abordar una serie de problemas de ingeniería, incluida la deformación debida a la construcción de túneles en varios tipos de macizos rocosos. A diferencia de los métodos de regresión clásicos, en los que hay que suponer una forma determinada para la función de aproximación, las RNA no requieren modelos constitutivos complejos. Además, se ha comprobado que el sistema de predicción RNA es uno de los métodos más eficaces para predecir la deformación del macizo rocoso. Además, se podría prever que las RNA sean más factibles para la predicción dinámica de los desplazamientos en la construcción de túneles en el futuro, especialmente si los modelos de RNA se combinan con otros métodos de investigación. En este artículo, resumimos el estado del arte y los futuros retos de investigación de las RNA en la predicción de deformaciones en túneles. También se presentan los casos de aplicación y la mejora de los modelos RNA. Los modelos de RNA presentados pueden servir de referencia para la predicción eficaz de la deformación del túnel con caracteres de no linealidad, alto paralelismo, tolerancia a fallos, aprendizaje y capacidad de generalización.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:modelo ann, predicción de la deformación en túneles, anns, red neuronal artificial, predicción del desplazamiento, carácter de la no linealidad, deformación del macizo rocoso, métodos clásicos de regresión, sistema de predicción ann, modelo constitutivo complejo
• Keywords:ann model, tunnel deformation prediction, anns, artificial neural network, prediction of displacement, character of nonlinearity, rock mass deformation, classical regression methods, ann prediction system, complex constitutive model