Respuesta Sísmica de Edificios Empleando Redes Neuronales Recurrentes con Física Informada

Perú está localizado en una zona altamente sísmica y actualmente nos encontramos en un silencio sísmico. Por otro lado, en los últimos años se ha observado un gran desarrollo en la construcción de edificios multifamiliares. Es por lo tanto necesario desarrollar tecnología para el monitoreo de dichas edificaciones.Una de las principales limitaciones en la aplicación de "machine learning" en el Perú radica en los datos de entrenamiento. En muchos casos los datos están incompletos, no están en un formato apropiado, o simplemente no existen datos de entrenamiento. La presente investigación busca anticipar un desafío que se manifestará en un futuro muy cercano en el campo de la ingeniería antisísmica.En el año 2016, la Norma Técnica E.030 fue actualizada. Entre las principales modificaciones se encuentra el capítulo IX: Instrumentación. En dicho capitulo, se indica que edificaciones con más de 20 pisos o con dispositivos de disipación o aislación sísmica, deberán instalar una estación acelerométrica (sensores que miden aceleraciones) en el nivel del terreno y en la azotea. Esto indica que en un futuro cercano existirá una alta demanda para monitorear la salud de los edificios empleando dichos acelerómetros. Sin embargo, existen dos limitaciones importantes: (i) la cantidad de registros de aceleración es limitada actualmente, y (ii) las mediciones en los edificio (solo en la base y azotea) es también limitada.La presente propuesta busca investigar modelos de inteligencia artificial (IA) que puedan aprender, de una cantidad limitada de datos, a estimar la respuesta sísmica de todos los pisos de un edificio. La estrategia que se propone es incluir una restricción adicional al modelo IA para que respete las ecuaciones diferenciales de movimiento que gobiernan la dinámica de estructuras. La propuesta incluye evaluar el modelo no solo en modelos numéricos, sino también en un ensayo de laboratorio y un edificio real.El presente proyecto plantea como hipótesis que es posible incluir las ecuaciones diferenciales de movimiento que gobiernan el comportamiento de un edificio en el proceso de calibración de una red neuronal para que pueda predecir la respuesta de todos los pisos de un edificio mediante solo los dos registros disponibles (la base del primer piso y el techo del último piso).La metodología a utilizar es cuantitativa, del tipo experimental, porque se va a comparar mediciones reales, de laboratorio y de un edificio real, con las predicciones del modelo de red neuronal.