Ciencia

Foto: cortesía Eduardo Montoya. 

El sector conocido como Pajarito, una zona bastante estudiada en la ciudad de Medellín por ser propensa a los deslizamientos, es tema de estudio de la  Universidad de Brasilia y la Universidad de Antioquia, gracias a un convenio de cooperación académica que permite que profesores de la alma máter asesoren estudiantes de doctorado de esta institución.

El Sistema de Alerta Temprana de Medellín y el Valle de Aburrá, SIATA, compartió con los investigadores información meteorológica, principalmente datos sobre la lluvia del sector, mediciones de la permeabilidad del suelo y levantamientos topográficos, que se necesitan para el modelo en el que está trabajando desde hace dos años y al cual le falta aproximadamente el mismo tiempo para terminar. 

Hernán Carvajal, profesor de la Universidad de Brasilia y de la Universidad Nacional de Colombia, quien junto a Edwin García Aristizábal, profesor de la Escuela Ambiental de la Universidad de Antioquia, asesoran el trabajo de Eduardo Montoya, estudiante del doctorado en Geotencia de la universidad brasilera y egresado de la Universidad Nacional. “Lo que Eduardo pretende hacer es tratar de predecir el lugar donde puede ocurrir un deslizamiento cuando el usuario del programa tenga conocimiento básico de la lluvia y el suelo”, dice el profesor Hernán Carvajal.

Para lograrlo se requieren resolver problemas relacionados con la estabilidad mecánica del suelo, es decir, su grado de susceptibilidad a la ocurrencia de deslizamientos, tema importante en la ingeniería civil y específicamente en la geotecnia. Con este modelo se pretende calcular, por ejemplo, lo que puede pasar si se presenta una lluvia de corta duración y gran intensidad, y de esta manera diseñar planes de seguridad y contingencia en un lugar específico, con el uso de las redes neuronales artificiales.

¿Cómo funciona la red neuronal?

Para Eduardo Montoya, “las redes neuronales pueden ser aplicadas en cualquier tipo de problema, en el cual la solución sea una combinación de variables. Son herramientas que aprenden por repetición”. De acuerdo con Hernán Carvajal la red neuronal artificial es una herramienta para la ingeniería geotécnica.

La red neuronal es un código de computador con la capacidad de relacionar los parámetros e información estudiada. Para que la red encuentre una solución a un determinado problema primero debe ser “entrenada”. “Este proceso consiste en mostrarle a la red cuáles son las variables que mi problema involucra y cuál sería la respuesta, de manera que al cambiar alguna variable el programa calcule la nueva respuesta”, explica Eduardo Montoya. Este modelo necesita de cuatro variables para dar a conocer el factor de seguridad de deslizamiento que tiene la ladera. 

La primera es la profundidad a la cual se desea calcular el factor de seguridad, esta variable es un indicador del tamaño del deslizamiento esperado que en este modelo llega hasta cuatro metros lineales. La segunda variable que se introduce al modelo es la inclinación promedio de la ladera ―pendiente de la montaña― que se desea analizar, ya que esta controla fuertemente el grado de estabilidad del terreno. Luego se agrega a la red neuronal la intensidad de la lluvia esperada en milímetros por hora y para finalizar, la duración de la lluvia. Otras informaciones relacionadas con los parámetros de resistencia y comportamiento hidráulico del suelo son consideradas en etapas preliminares de preparación del modelo neuronal.

Con esta información el modelo entrenado dará el valor del factor de seguridad clásico: cuando el valor es menor que 1 la ladera es inestable y cuando es mayor que 1 es estable. “El geotecnista siempre quiere que esos valores sean muy superiores a 1, de tal forma que la situación de seguridad pueda garantizarse”, comenta Hernán Carvajal.

“La verificación de los resultados es una etapa a la que se quisiera llegar, pero es la parte final de cualquier modelo que se emplea”, asegura Edwin García. Según los profesores la investigación requiere un estudio detallado de las respuestas mecánicas del suelo de la zona con diferentes lluvias y la información de un deslizamiento para que se compruebe el factor de seguridad que arroja el modelo de la tesis de Eduardo.

Para modelos de redes neuronales como este se necesita realizar simplificaciones de la física del fenómeno, como asumir la intensidad constante de las lluvias que en realidad es variable, la tipología del terreno se supone recta cuando es ondulada; “respecto al suelo, es muy variable, pero asumimos que no hay cambios de permeabilidad, en profundidad, ni vegetación y asumimos que es una zona inhabitada, en este caso”, contó el profesor García. 

Este tipo de metodologías no resuelve los problemas de estabilidad pero da una idea del comportamiento del terreno en respuesta a un fenómeno de lluvia; además este modelo trabaja con datos fáciles de obtener como la topografía y la posibilidad de variar los escenarios que se pueden presentar en el lugar. “Las redes neuronales artificiales no son la solución perfecta para todos los problemas, pero con un buen entrenamiento podemos llegar a resultados con errores despreciables”, dice Eduardo.

Los profesores consideran que cuando el modelo esté funcionando puede ser aplicado a cualquier tamaño de área si se tienen los datos correspondientes a la zona, puesto que entre más detallada la información, más preciso será el resultado del factor de seguridad. Los ejercicios computacionales iniciales se realizaron en Brasilia. Por su parte, el municipio de Medellín cuenta con la información cartográfica y topográfica adecuada para aplicarse en este modelo.

Paralelamente a esta investigación los profesores quieren recoger datos y continuar trabajando con el Área Metropolitana en la ejecución de un proyecto de investigación sobre el análisis de amenaza por movimientos de masa; una actualización de un proyecto realizado en 2009 donde también se utilizaron redes neuronales artificiales y cuyos resultados son utilizados por el SIATA.