⚡ electrical engineering

Seismic Fragility Functions of Parameterized RC Curved Bridges Considering Stochastic Flood-induced Scouring Effect

Este estudio propone un marco basado en aprendizaje automático que utiliza la regresión de vectores de soporte para desarrollar funciones de fragilidad sísmica parametrizadas para puentes curvos de hormigón armado, cuantificando eficazmente las incertidumbres combinadas de la socavación estocástica inducida por inundaciones, los ángulos de incidencia sísmica y la curvatura del puente para permitir evaluaciones de probabilidad de daño rápidas y precisas sin análisis no lineales repetidos.

Autores originales: Wenpeng WU, Jiacheng Li, Xin Ye, Jiqiu Zhou, Jiaqin Hou

Publicado 2026-09-16

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Wenpeng WU, Jiacheng Li, Xin Ye, Jiqiu Zhou, Jiaqin Hou

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Los puentes son las arterias de la civilización moderna, transportando el flujo de personas y bienes a través de ríos y valles. Sin embargo, estas estructuras se enfrentan a una amenaza constante y dual de la naturaleza: el violento temblor de los terremotos y la erosión implacable de las inundaciones. Aunque los ingenieros han estudiado durante mucho tiempo cómo se comportan los puentes cuando el suelo tiembla, y por separado, cómo las aguas de las inundaciones lavan el suelo que sostiene la cimentación de un puente, la realidad suele ser más compleja. En muchas partes del mundo, los puentes deben resistir ambos peligros, a veces en rápida sucesión. Una inundación puede socavar la tierra alrededor de los pilares de un puente, dejándolos posados sobre un terreno menos estable justo cuando ocurre un terremoto. Esta combinación crea un conjunto único de desafíos, particularmente para los puentes curvos. A diferencia de los puentes rectos, que se mueven de una manera relativamente predecible, los puentes curvos se retuercen y giran bajo tensión, reaccionando a las fuerzas en tres dimensiones. Cuando el suelo que los sostiene se debilita por el agua, su comportamiento se vuelve aún más difícil de predecir, dejando a los ingenieros con una pregunta difícil: ¿cómo medimos con precisión el riesgo de falla cuando el suelo está temblando y la cimentación está siendo devorada por el agua?

Investigadores de la Universidad de Xiangtan en China han abordado este problema desarrollando una nueva forma de evaluar la seguridad de los puentes curvos de hormigón. En lugar de asumir que el daño por inundación es un escenario fijo y de caso extremo, trataron la profundidad del suelo lavado como una variable aleatoria, reconociendo que la naturaleza es impredecible. Combinaron esta incertidumbre con la aleatoriedad del temblor sísmico, el ángulo específico en el que el movimiento del suelo golpea al puente y la curvatura del puente. Para gestionar la inmensa complejidad de calcular cómo interactúan todos estos factores, el equipo recurrió al aprendizaje automático. Construyeron un modelo digital detallado de un puente curvo de seis tramos, similar a los que se encuentran en el oeste de China, y realizaron miles de simulaciones. En estas simulaciones, variaron la profundidad del suelo socavado por la inundación, el tamaño de la curva del puente y la dirección del terremoto, alimentando los resultados en un algoritmo informático capaz de aprender patrones de los datos. Este enfoque les permitió crear un mapa de riesgo sofisticado, que muestra no solo si un puente podría fallar, sino exactamente qué partes serían más vulnerables bajo combinaciones específicas de condiciones.

Los resultados de sus simulaciones revelaron un cambio sorprendente en la forma en que fallan estos puentes. Cuando el suelo alrededor de la cimentación es lavado, el puente no se debilita simplemente en todas partes a la vez. En su lugar, el estrés se redistribuye. Los pilares, que son las columnas verticales que sostienen el puente, en realidad tienen una probabilidad ligeramente menor de sufrir daños severos porque la estructura se vuelve más flexible. Sin embargo, esta flexibilidad tiene un costo para otras partes del sistema. El riesgo de falla se desplaza drásticamente hacia los pilotes de la cimentación enterrados profundamente bajo tierra y los apoyos (bearings)—las almohadillas de goma que permiten que el puente se expanda y se contraiga. Estos componentes, particularmente los del lado del puente que enfrenta la curva, tienen una probabilidad significativamente mayor de fallar a medida que aumenta la profundidad del socavamiento. Los investigadores descubrieron que, cuando el suelo se lava hasta una profundidad de 15 metros, la probabilidad de que los pilotes de la cimentación fallen durante un terremoto moderado salta de un insignificante 2.7 por ciento a casi el 99 por ciento. Esto sugiere que, después de una gran inundación, los puntos débiles más críticos de un puente curvo ya no son las columnas visibles, sino las cimentaciones ocultas y los puntos de conexión que sujetan el puente al suelo.

El estudio también destacó cómo la forma del puente y la dirección del terremoto importan enormemente. Los puentes con curvas más cerradas, es decir, con un radio menor, son inherentemente más vulnerables que aquellos con curvas suaves. Pero la dirección desde la cual llegan las ondas del terremoto desempeña un papel igualmente crítico. Las simulaciones mostraron que los apoyos y los estribos—las estructuras en los extremos del puente—son altamente sensibles al ángulo del temblor. Existen direcciones específicas, aproximadamente perpendiculares a la curva del puente, que causan el mayor daño. Si un terremoto golpea desde estos ángulos desfavorables, el riesgo de que los apoyos del puente fallen o de que el puente se deslice de sus soportes aumenta drástamente. Los investigadores descubrieron que la combinación de una curva cerrada, un socavamiento profundo y un terremoto que golpea desde la peor dirección posible crea un "escenario de alto riesgo" donde la probabilidad de daño se maximiza.

Quizás lo más importante es que el equipo demostró que su enfoque de aprendizaje automático es mucho más preciso que los métodos tradicionales. Los modelos antiguos solían basarse en suposiciones simples de línea recta para predecir cómo reaccionaría un puente al estrés, lo que fallaba al capturar el complejo comportamiento de torsión de los puentes curvos bajo peligros combinados. El nuevo modelo, entrenado con miles de puntos de datos, logró mapear las intrincadas relaciones no lineales entre los diversos factores. Demostró que no se pueden simplemente sumar los riesgos de una inundación y un terremoto; ambos interactúan de maneras que amplifican el peligro en patrones específicos e impredecibles. Al utilizar este avanzado marco computacional, los ingenieros ahora pueden generar perfiles de riesgo detallados para los puentes sin necesidad de realizar miles de simulaciones físicas costosas y lentas para cada nuevo escenario.

Las implicaciones para la seguridad de los puentes son claras. En regiones propensas tanto a inundaciones como a terremotos, la práctica estándar de inspeccionar solo las partes visibles de un puente después de una inundación puede ser insuficiente. La investigación sugiere que las evaluaciones post-inundación deben prestar mucha atención a la salud de las cimentaciones profundas y los apoyos, ya que estos son los componentes con mayor probabilidad de ceder cuando ocurre un terremoto posterior. Además, los hallazgos indican que al diseñar nuevos puentes en áreas propensas a inundaciones, los ingenieros deben ser cautelosos al usar curvas cerradas, ya que estas exacerban los riesgos asociados con la erosión del suelo. El estudio proporciona una herramienta práctica para identificar las combinaciones más peligrosas de condiciones, permitiendo un refuerzo y mantenimiento mejor dirigidos. En última instancia, al tratar la incertidumbre de la naturaleza no como un estorbo a ignorar, sino como una parte central del cálculo, este trabajo ofrece un camino más realista y confiable para mantener seguros nuestros puentes curvos en un mundo de peligros cambiantes.

Resumen Técnico: Funciones de Fragilidad Sísmica de Puentes Curvos de Concreto Reforzado Parametrizados Considerando el Efecto Estocástico de Socavación Inducida por Inundaciones

Planteamiento del Problema
Los puentes curvos de concreto reforzado (CR) se utilizan cada vez más para adaptarse a alineamientos complejos de carreteras; sin embargo, su irregularidad geométrica los hace más susceptibles al daño sísmico que los puentes rectos. Mientras que la literatura existente ha analizado extensamente la respuesta sísmica de puentes curvos con respecto al radio de curvatura y los ángulos de incidencia sísmica, e investigado por separado los efectos adversos de la socavación inducida por inundaciones en las cimentaciones de los puentes, la investigación que aborda la fragilidad sísmica combinada de puentes curvos bajo condiciones de socavación estocástica sigue siendo limitada. Existe una brecha crítica en las metodologías actuales: las evaluaciones tradicionales suelen simplificar los efectos de la socavación asumiendo una profundidad de socavación máxima determinista, ignorando la aleatoriedad inherente de los eventos de inundación extremos. Además, los modelos convencionales de Demanda Sísmica Probabilística (PSDM) lineales tienen dificultades para manejar eficientemente las interacciones no lineales de alta dimensión entre múltiples fuentes de incertidumbre, incluyendo la profundidad de socavación estocástica, el radio de curvatura, el ángulo de incidencia sísmica y la intensidad del movimiento del suelo.

Metodología
Este estudio propone un marco basado en aprendizaje automático (ML) para desarrollar modelos de fragilidad sísmica parametrizados para puentes curvos de CR que consideren explícitamente la socavación estocástica inducida por inundaciones. La metodología se desarrolla a través de las siguientes etapas:

Modelado de Elementos Finitos Paramétrico: Se construyó un modelo de elementos finitos no lineal de un puente curvo de CR de seis tramos utilizando OpenSees. El modelo incorpora no linealidad estructural (materiales de concreto y acero), condiciones de contorno (apoyos, estribos, juntas de expansión) e interacción suelo-estructura. Para simular la socavación inducida por inundaciones, la rigidez lateral de la interacción pilote-suelo (resortes p-y) se ajustó dinámicamente basándose en variaciones de la profundidad de socavación ( $H_s$ ), eliminando efectivamente el soporte del suelo por encima de la línea de socavación.
Cuantificación de la Incertidumbre y Muestreo: El estudio identificó 39 parámetros aleatorios de entrada, incluyendo 35 incertidumbres estructurales (propiedades de los materiales, dimensiones), una profundidad de socavación estocástica ( $H_s$ ), un radio de curvatura ( $R$ ) y dos parámetros de movimiento del suelo (ángulo de incidencia $\theta$ y Velocidad Pico del Suelo $PGV$ ). La distribución de la profundidad de socavación se derivó de datos históricos de flujo mediante una ecuación CSU modificada y simulación de Monte Carlo, ajustándose a una distribución log-normal.
Generación de la Base de Datos: Utilizando el Muestreo por Hipercubo Latino (LHS), se generaron 1,400 conjuntos de parámetros de entrada. Cada conjunto fue sometido a un análisis de series temporales no lineales con 140 conjuntos de movimientos bidireccionales con variaciones en los ángulos de incidencia para producir Parámetros de Demanda de Ingeniería (EDP).
Modelado de Aprendizaje Automático: Se estableció un Modelo de Demanda Sísmica Probabilística Multidimensional (MPSDM) utilizando Regresión de Vectores de Soporte (SVR). A diferencia de los PSDM log-lineales tradicionales, el modelo SVR mapea las relaciones complejas y no lineales entre los 39 atributos de entrada y los EDPs. El modelo fue entrenado con el 90% de los datos y validado con el 10% restante, optimizando los hiperparámetros mediante optimización bayesiana.
Construcción de Superficies de Fragilidad: El modelo SVR entrenado sirvió como un sustituto (surrogate) para estimar rápidamente las probabilidades de falla para diversas combinaciones de profundidad de socavación, radio de curvatura y ángulo de entrada sísmico, generando superficies de fragilidad multiparamétricas sin requerir análisis de series temporales repetidos.

Resultados Clave
El estudio arrojó varios hallazgos críticos sobre el desempeño sísmico de puentes curvos bajo peligros combinados:

Desempeño del Modelo: El MPSDM basado en SVR demostró una precisión predictiva superior en comparación con los PSDM lineales tradicionales. En todos los nueve EDP seleccionados (incluyendo curvatura de pilares, desplazamientos de apoyos y movimientos de estribos), el modelo SVR logró coeficientes de determinación ( $R^2$ ) más altos y errores cuadráticos medios (RMSE) más bajos, confirmando su capacidad para capturar relaciones de demanda no lineales complejas.
Impacto de la Profundidad de Socavación: El aumento de la profundidad de socavación no incrementa uniformemente la fragilidad para todos los componentes. En cambio, redistribuye las demandas sísmicas. A medida que la profundidad de socavación aumentó de 0 a 15 metros, la probabilidad de falla de las secciones de los pilares y de los apoyos radiales de los pilares disminuyó (las curvas de fragilidad se desplazaron a la derecha), mientras que la probabilidad de falla de los pilotes, los apoyos tangenciales de los pilares y los desplazamientos de los estribos aumentó significamente (las curvas de fragilidad se desplazaron a la izquierda). Esto indica un cambio en las ubicaciones críticas de daño, de los pilares hacia las cimentaciones y los componentes de borde controlados por desplazamiento.
Impacto del Radio de Curvatura: Un radio de curvatura menor aumenta significativamente la fragilidad sísmica del puente, particularmente para los apoyos y estribos. A medida que el radio de curvatura aumentó de 50 m a 200 m, la probabilidad de falla para los apoyos de los estribos radiales disminuyó aproximadamente un 92.3% bajo movimientos fuertes del suelo, lo que sugiere que radios mayores mitigan los efectos de respuesta espacial causados por la irregularidad en planta.
Impacto del Ángulo de Incidencia Sísmica: El ángulo de incidencia sísmica tiene un efecto mínimo en la respuesta de los pilares, pero una influencia sustancial en los apoyos y estribos. Se identificaron ángulos de incidencia específicos "más desfavorables" (por ejemplo, ~90° y 270° para estribos; ~150° y 330° para apoyos radiales de pilares) donde las probabilidades de falla alcanzan su máximo.
Efectos Acoplados: El estudio identificó distintos efectos de acoplamiento. La combinación de un radio de curvatura pequeño, una gran profundidad de socavación y una dirección de entrada sísmica desfavorable crea escenarios de alto riesgo donde las probabilidades de daño se amplifican. El radio de curvatura gobierna principalmente el nivel general de daño, el ángulo de entrada dicta el patrón de fluctuación y la profundidad de socavación eleva la probabilidad base.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporciona un marco práctico y eficiente para la evaluación de la fragilidad multiparamétrica de puentes curvos en regiones propensas a inundaciones. Al integrar la incertidumbre estocástica de la socavación con las variables sísmicas, el MPSDM propuesto basado en SVR supera las limitaciones computacionales de los métodos tradicionales, permitiendo la estimación directa de la fragilidad a través de combinaciones arbitrarias de parámetros. Los hallazgos sugieren que las evaluaciones sísmicas post-inundación deben extenderse más allá de la integridad de los pilares para incluir los pilotes y los componentes de borde, y que las estrategias de diseño deben evitar radios de curvatura pequeños en áreas susceptibles a socavaciones profundas y direcciones sísmicas desfavorables. El trabajo establece una base para una planificación de infraestructura más resiliente mediante la cuantificación de los riesgos acoplados de terremotos y socavación inducida por inundaciones.

Más como este