Clasificación de suelos utilizando redes neuronales artificiales para su uso en el diseño de bloques de tierra comprimidos

Abstract

La clasificación de suelos es crucial en la fabricación de Bloques de Tierra Comprimidos (BTC), un material de construcción sostenible. Este estudio propone el uso de Redes Neuronales Artificiales (RNA) para clasificar suelos de manera rápida y precisa, optimizando el proceso de construcción de BTCs. Se recopiló información sobre 20 muestras de suelo y se realizaron pruebas granulométricas y de propiedades físicas según normativas ASTM (D4318 y D2487). Se diseñaron RNA con una arquitectura de tres capas ocultas (64, 128 y 64 neuronas), utilizando técnicas de regularización. La base de datos incluyó propiedades fundamentales del suelo, como el contenido de arcilla, el índice de plasticidad y la densidad aparente. El modelo de RNA alcanzó un rendimiento del 75% en la clasificación SUCS, con una concordancia del 75% con ensayos de laboratorio. Se identificaron parámetros críticos que afectan la precisión, como el contenido de arcilla (impacto alto), el índice de plasticidad y la densidad aparente (impacto moderado). La distribución granulométrica, los límites de Atterberg, el contenido de humedad y la constitución mineralógica del suelo influyen significativamente en el desempeño de los BTCs. Las RNA ofrecen mayor precisión y eficiencia en comparación con métodos tradicionales. Para mejorar la precisión, se recomienda aumentar el rango de muestras (50 muestras), incorporar variables adicionales (composición mineralógica y contenido de materia orgánica), explorar arquitecturas más profundas (4-5 capas ocultas, hasta 256 neuronas por capa) y realizar análisis de sensibilidad. Este enfoque optimiza la construcción de BTCs y ofrece una alternativa innovadora para la clasificación de suelos.