Journal: | Boletín de la Sociedad Geológica Mexicana |
Database: | PERIÓDICA |
System number: | 000404002 |
ISSN: | 1405-3322 |
Authors: | García Benítez, Silvia Raquel1 López Molina, Jorge Antonio2 Castellanos Pedroza, Valentín2 |
Institutions: | 1Universidad Nacional Autónoma de México, Instituto de Ingeniería, Ciudad de México. México 2Comisión Federal de Electricidad, División de Inyecciones y Mecánica de Rocas, Ciudad de México. México |
Year: | 2016 |
Season: | Dic |
Volumen: | 68 |
Number: | 3 |
Pages: | 553-570 |
Country: | México |
Language: | Español |
Document type: | Artículo |
Approach: | Analítico, descriptivo |
Spanish abstract | 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 |
English abstract | Reliable information of the three-dimensional distribution of rock mass properties improves the design of secure and cost-effective civil structures. In this paper, a recurrent neural network is presented as an alternative to predict the spatial variation of some index properties of rock in sparsely instrumented media. The neural technique, from statistical learning models, is used to approximate functions that can depend on a large number of inputs that are generally unknown. From a reasonably simple neuronal model of two inhomogeneous rock volumes, the limited measured information is extrapolated and the properties in the entire mass can be estimated. Comparisons between in situ explorations versus the 3D-neuronal definition confirm the potential of the proposed method for characterizing the properties of masses with inhomogeneous properties. Such a representation is useful for design of economic realistic numerical modelling of rock volumes, maximizing information while minimizing cost |
Disciplines: | Geociencias, Ciencias de la computación |
Keyword: | Mineralogía, petrología y geoquímica, Inteligencia artificial, Rocas, Variación espacial, Redes neuronales recurrentes |
Keyword: | Earth sciences, Computer science, Mineralogy, petrology and geochemistry, Artificial intelligence, Rocks, Spatial variation, Recurrent neural networks |
Full text: | Texto completo (Ver PDF) |