Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/21215
Title: Guía para la evaluación del riesgo ante subsidencias de suelos y sismo usando lógica difusa sector Solanda
Authors: Aguaiza Jaramillo, Cristian Javier
Keywords: SISMOS
ESTUDIO DE SUELOS
RIESGOS
Issue Date: 18-Nov-2020
Publisher: Quito, 2020.
Citation: Aguaiza Jaramillo, C. J. (2020). Guía para la evaluación del riesgo ante subsidencias de suelos y sismo usando lógica difusa sector Solanda. 126 hojas. Quito : EPN.
Abstract: In the present project will be proposed a handbook that allows the evaluation of the risk produced by soil subsidence and earthquake that affects the houses in the sector of Solanda. The used a new methodology was chosen to reduce the uncertainty of the data to be collected and to include the use of computational tools such as Machine Learning and the fuzzy theory that are described by an algorithm created in the free software R. A correct risk assessment has as difficulties the collection and analysis of data, to minimize these difficulties was used the Machine Learning, which allows the machines (computers) to learn data, gather information, identify patterns and make decisions with minimal human intervention. The machine learns through training examples that made from the experience of teachers from the National Polytechnic School and validated with computer models and non-linear analysis (Pulldown and Pushover) of four homes in the sector. To conclude, the study includes a comprehensive risk management plan with possible mitigation measures for different risk levels in the sector.
Description: El presente trabajo de titulación propone la realización de una guía que permita la evaluación del riesgo producido por subsidencias de suelo y sismo que afecta a las viviendas en el sector de Solanda. Para esto se optó por una nueva metodología que permita reducir la incertidumbre de los datos a recolectar y abarque el uso de herramientas computacionales como el Machine Learning y la Lógica Difusa que son descriptas por medio de un algoritmo creado en el software libre R. El Machine Learning trabaja con la ayuda de ejemplos de entrenamiento que fueron realizados a partir de la experiencia de profesores de la Escuela Politécnica Nacional y validados con modelos computacionales. La comprobación de estos ejemplos de entrenamiento se realizó con la modelación y análisis no lineal (PULLDOWN and PUSHOVER) de cuatro viviendas del sector, encontrando su desempeño y los posibles niveles de daño de las estructuras ante subsidencias de suelo y sismo, esto permitió realizar una ponderación de las variables definidas en la encuesta. Realizado este análisis y conociendo que los ejemplos de entrenamientos fueron basados en criterios con incertidumbre, se optimizó los resultados finales a través de la Lógica Difusa.
URI: http://bibdigital.epn.edu.ec/handle/15000/21215
Appears in Collections:Tesis Ingenieria Civil y Ambiental (ICA)

Files in This Item:
File Description SizeFormat 
CD 10739.pdf7,68 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.