Estimación de la socavación local en pilas de puentes mediante programación genética para mejorar la precisión predictiva
DOI:
https://doi.org/10.24850/j-tyca-2026-03-01Palabras clave:
inteligencia artificial, puente, erosión, ingeniería hidráulica, modelo matemático, lenguaje de programación, algoritmoResumen
La socavación local es un fenómeno hidráulico, que resulta de la interacción entre una estructura y el cauce de un río, lo cual altera su flujo natural, provocando erosión del material de lecho donde se sitúan los pilares, por lo que determinar la profundidad adecuada a la cual se deben cimentar los pilares es crucial para la durabilidad de las estructuras; sin embargo, actualmente no existe una ecuación universal para su cálculo. Esta investigación utilizó la programación de expresión genética (GEP), que permite obtener ecuaciones para estimar la socavación local en pilas de puentes. Para ello, se recopilaron 919 datos de laboratorio y 746 de campo. Con estos datos se desarrollaron modelos predictivos de socavación local en tres escenarios: laboratorio, campo y combinados, así como su selección a través de las métricas evaluación de modelos y validación mediante datos de investigaciones externas. El escenario del laboratorio con GEP reveló una mejor robustez, eficiencia y estabilidad de los resultados con coeficiente de determinación (R2) de 0.899, error cuadrático medio (RMSE) de 0.054 y el error absoluto medio (MAE) de 0.027. No obstante, en la validación, el modelo del escenario de campo generó un resultado eficaz con error típico entre 6.0 y 14.0 % en cuanto a las ecuaciones analíticas. Así, se concluye que la inteligencia artificial basada en programación genética mejoró la predicción de la socavación local en puentes en relación con los modelos analíticos.
Referencias
Abd-El-Hady-Rady, R. (2020). Prediction of local scour around bridge piers: artificial-intelligence-based modeling versus conventional regression methods. Applied Water Science, 10(2), 57. https://doi.org/10.1007/s13201-020-1140-4
Amini-Baghbadorani, D., Ataie-Ashtiani, B., Beheshti, A., Hadjzaman, M., & Jamali, M. (2018). Prediction of current-induced local scour around complex piers: Review, revisit, and integration. Coastal Engineering, 133(43-58). https://doi.org/10.1016/j.coastaleng.2017.12.006
Belmonte, H. (1990). Puentes (4ª ed.). La Paz, Bolivia: Imprenta Ramírez.
Choi, S. U., & Choi, S. (2022). Prediction of local scour around bridge piers in the cohesive bed using support vector machines. KSCE Journal of Civil Engineering, 26(5), 2174-2182. https://doi.org/10.1007/S12205-022-1803-9
Chou, J.-S., & Nguyen, N.-M. (2022). Scour depth prediction at bridge piers using metaheuristics-optimized stacking system. Automation in Construction, 140, 104297. https://doi.org/10.1016/j.autcon.2022.104297
Ebtehaj, I., Bonakdari, H., Zaji, A. H., & Sharafi, H. (2019). Sensitivity analysis of parameters affecting scour depth around bridge piers based on the non-tuned, rapid extreme learning machine method. Neural Computing and Applications, 31(12), 9145-9156. https://doi.org/10.1007/s00521-018-3696-6
Fuladipanah, M., Hazi, M. A., & Kisi, O. (2023). An in-depth comparative analysis of data-driven and classic regression models for scour depth prediction around cylindrical bridge piers. Applied Water Science, 13(12), 231. https://doi.org/10.1007/s13201-023-02022-0
Ghumman, A. R., Haider, H., Al-Salamah, I. S., Shafiquzzaman, Md., Alodah, A., Alresheedi, M., Farooq, R., Ahmed, A., & Pasha, G. A. (2024). Local scour depth around bridge piers: performance evaluation of dimensional analysis-based empirical equations and AI techniques. KSCE Journal of Civil Engineering, 28(8), 3270-3285. https://doi.org/10.1007/s12205-024-1161-x
Guevara, M. (2021). Socavación en puentes. Popayán, Colombia: Editorial Universidad del Cauca.
Hassan, W. H., & Jalal, H. K. (2021). Prediction of the depth of local scouring at a bridge pier using a gene expression programming method. SN Applied Sciences, 3(2), 159. https://doi.org/10.1007/s42452-020-04124-9
Khosravi, K., Khozani, Z. S., & Mao, L. (2021). A comparison between advanced hybrid machine learning algorithms and empirical equations applied to abutment scour depth prediction. Journal of Hydrology, 596, 126100. https://doi.org/10.1016/j.jhydrol.2021.126100
Kim, T., Shahriar, A. R., Lee, W. D., Choi, Y., Kwon, S., & Gabr., M. A. (2025). Field data-based prediction of local scour depth around bridge piers using interpretable machine learning. Transportation Geotechnics, 52, 101567. https://doi.org/10.1016/J.TRGEO.2025.101567
Kumar, V., Baranwal, A., & Das, B. S. (2024). Prediction of local scour depth around bridge piers: modelling based on machine learning approaches. Engineering Research Express, 6(1), 015009. https://doi.org/10.1088/2631-8695/ad08ff
Landers, M. N., & Mueller, D. S. (1996). Evaluation of selected pier-scour equations using field data. Transportation Research Record, 1523(1), 186-195. https://doi.org/10.1177/0361198196152300123
López-Silva, M., Carmenates-Hernández, D., Poma-Puente, R., Calderón-Rufasto, J., & Sanchez-Verastegui, W. (2024). Modelos de resistencia al flujo en río de montaña: semiempíricos, HEC-RAS y GEP. Ingeniería Del Agua, 28(2), 123–140. https://doi.org/10.4995/ia.2024.20629
Moussa, Y. A. M. (2013). Modeling of local scour depth downstream hydraulic structures in trapezoidal channel using GEP and ANNs. Ain Shams Engineering Journal, 4(4), 717-722. https://doi.org/10.1016/J.ASEJ.2013.04.005
Qi, M., Li, J., & Chen, Q. (2016). Comparison of existing equations for local scour at bridge piers: Parameter influence and validation. Natural Hazards, 82, 2089–2105. https://doi.org/10.1007/s11069-016-2287-z
Rathod, P., & Manekar, V. L. (2022). Gene expression programming to predict local scour using laboratory and field data. ISH Journal of Hydraulic Engineering, 28(2), 143-151. https://doi.org/10.1080/09715010.2020.1846144
MTC, Ministerio de Transportes y Comunicaciones. (2018). Manual de hidrología, hidráulica y drenaje. Lima, Perú: Ministerio de Transportes y Comunicaciones de Perú.
Rocha, A. (2013). Hidráulica de obras viales (3ª. ed.). Lima, Perú: Fondo Editorial ICG. Recuperado de https://www.gob.pe/institucion/mtc/normas-legales/4443017-20-2011-mtc-14
Rodríguez, A. (2020). Puentes (8ª ed.). Lima, Perú: Rodríguez, A.
Wilson, K. V., & Eaton, G. P. (1995). Scour at selected bridge sites in Mississippi. Water-Resources Investigations Report. U.S. Geological Survey. https://doi.org/10.3133/WRI944241
Zhang, L., Liu, J., Liu, Y., Lan, S., & Yang, J. (2022). Causes and statistical characteristics of bridge failures: A review. Journal of Traffic and Transportation Engineering, 9(3), 499-515. https://doi.org/10.1016/j.jtte.2021.12.003
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Tecnología y ciencias del agua
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Por Instituto Mexicano de Tecnología del Agua se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional. Basada en una obra en https://www.revistatyca.org.mx/. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en Política editorial
