Predicción de la socavación en condiciones experimentales controladas para la protección en pilas de puentes

• Autores: Ñahue Barrera, Jorge Jonatan, Rabines Fernandez, Leonardo Alberto
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/10356
• Enlace del recurso: https://hdl.handle.net/20.500.14138/10356
• Nivel de acceso: acceso abierto
• Materia: Socavación; Pila; Puente; Inteligencia Artificial; Hidráulico; https://purl.org/pe-repo/ocde/ford#2.01.01

El estudio tuvo como propósito desarrollar modelos predictivos de socavación a partir de datos experimentales obtenidos en laboratorio, con el fin de apoyar el diseño de protecciones en pilas de puentes expuestas a flujos variables. El enfoque fue cuantitativo, combinando métodos experimentales y técnicas computacionales para analizar la relación entre variables hidráulicas, sedimentológicas y geométricas que influían en la socavación. Se evaluaron tres tipos de pilas: circular tradicional, con base drenante y con aletas deflectoras rotacionales. Los modelos físicos fueron sometidos a 18 ensayos hidráulicos, en los cuales se registraron el tirante de agua, la velocidad del flujo, la deformación del lecho sedimentológico y la profundidad de socavación. Paralelamente, se incorporó un conjunto adicional de 1,091 registros para fortalecer el análisis predictivo. Los modelos de aprendizaje automático aplicados fueron regresión lineal, M5P, Random Forest y SMOreg, y su desempeño se evaluó mediante las métricas MAE, RMSE y R². Los resultados mostraron que la pila con aletas deflectoras presentó la menor socavación y el menor desplazamiento de sedimentos, alcanzando una profundidad máxima de 2 cm, es decir, 0.5 cm menos que la pila tradicional. En cuanto al rendimiento computacional, el algoritmo M5P destacó como el más estable, con MAE = 0.016, RMSE = 0.031 y R² = 0.964.