Articles

 

 

Boletín de la Sociedad Geológica Mexicana

Volumen 68, núm. 3, 2016, p. 553‒570

Neural networks for defining spatial variation of rock properties in sparsely instrumented media

Silvia Raquel García Benítez1,*, Jorge Antonio López Molina2, Valentín Castellanos Pedroza2

 

1 Geotecnia, Instituto de Ingeniería UNAM, Circuito Escolar s/n, Ciudad Universitaria, Delegación Coyoacán, Ciudad de México, C.P. 04510.
2 División de Inyecciones y Mecánica de Rocas, Comisión Federal de Electricidad CFE, Augusto Rodin No.265, Delegación Benito Juárez, Ciudad de México, C.P. 03820.

This email address is being protected from spambots. You need JavaScript enabled to view it.

Resumen

La información confiable de la distribución tridimensional de las propiedades del macizo rocoso mejora el diseño de estructuras civiles seguras y rentables. En este trabajo, se presenta una red neuronal recurrente como una alternativa para predecir la variación espacial de algunas propiedades índice de roca en medios escasamente instrumentados. La técnica neuronal, que forma parte de los modelos de aprendizaje estadístico, se utiliza para aproximar funciones que pueden depender de un gran número de entradas y que generalmente son desconocidas. Con un modelo neuronal, razonablemente simple, de dos volúmenes de roca no homogéneos, se extrapola la escasa información levantada en campo y se estiman las propiedades en toda la masa. Las comparaciones entre la exploración in situ y la definición neuro-3D confirma el potencial del método propuesto para la caracterización de propiedades de las masas con propiedades no homogéneas. Esta representación es útil para el modelado numérico realista y económico de volúmenes de roca, maximizando la información mientras se reducen los costos.

Palabras clave: análisis de variación espacial; propiedades índice de rocas, inteligencia artificial, retro-propagación, redes neuronales recurrentes.