Evaluación de los modelos Lasso y Ridge para la predicción del potencial de hinchamiento del suelo

Por qué importa el terreno bajo los edificios

Muchos edificios y carreteras parecen sólidos, pero el suelo que los sostiene puede hincharse y contraerse silenciosamente al ganar o perder humedad. Este movimiento oculto puede agrietar muros, inclinar cimientos y dañar tuberías, con costes de reparación de miles de millones en todo el mundo. El artículo resumido aquí explora cómo las herramientas modernas de datos pueden ayudar a los ingenieros a predecir cuándo y dónde es probable que el suelo se hinche, de modo que viviendas, carreteras y otras estructuras puedan diseñarse para mantenerse seguras y estables.

Suelos que «respiran» con el agua

No todos los suelos se comportan igual cuando se mojan. Los suelos de grano fino y ricos en arcilla pueden absorber agua y expandirse como una esponja, para luego contraerse al secarse. Este ciclo repetido es especialmente intenso en regiones áridas y semiáridas, donde los contrastes húmedo‑seco son comunes. Tradicionalmente, los ingenieros han dependido de costosas pruebas de laboratorio para medir propiedades como el contenido de arcilla, la densidad del suelo y la plasticidad o consistencia al mezclarse con agua. Estas pruebas revelan si un suelo es propenso a levantarse y agrietarse, pero son caras de realizar en cada emplazamiento y para cada proyecto.

Convertir las mediciones del suelo en predicciones inteligentes

Para reducir la necesidad de pruebas de laboratorio constantes, los investigadores reunieron cuatro colecciones considerables de datos de suelos procedentes de estudios previos en Asia, África y Europa. En conjunto, estos conjuntos contenían 273 muestras de suelo y 16 descriptores diferentes por muestra, incluidos contenidos de arcilla y limo, niveles de humedad, densidad y medidas estándar de consistencia. Para cada muestra, el equipo también disponía de un “potencial de hinchamiento” medido, que indicaba cuánto se expandió el suelo en una prueba controlada. Limpiaron y normalizaron cuidadosamente los datos, eliminaron información redundante y dividieron las muestras en grupos de entrenamiento y prueba para que cualquier método de predicción se evaluara con datos que no hubiera visto antes.

Formas clásicas frente a nuevas formas de interpretar el terreno

El núcleo del estudio es una comparación directa entre una herramienta estadística conocida y dos enfoques más modernos. La herramienta tradicional, denominada regresión lineal múltiple, estima el potencial de hinchamiento como una combinación lineal de todas las mediciones del suelo. Los métodos más recientes, conocidos como regresión Lasso y Ridge, siguen usando una combinación ponderada de las mismas mediciones pero añaden una especie de “penalización” que disuade al modelo de apoyarse demasiado en una sola entrada o de usar demasiadas a la vez. En la práctica, esto significa que Lasso puede anular automáticamente las propiedades menos importantes, resaltando el puñado de rasgos del suelo que realmente impulsan el hinchamiento, mientras que Ridge mantiene todas las variables pero atenúa su influencia cuando están fuertemente interrelacionadas.

Lo que los modelos aprendieron sobre suelos hinchantes

En los cuatro conjuntos de datos, los modelos regularizados—Lasso y Ridge—produjeron de manera consistente predicciones más fiables que el método tradicional. En los conjuntos de datos mejor comportados, Lasso en particular siguió muy de cerca el potencial de hinchamiento medido, con errores medios pequeños y una alta fracción de la variación natural explicada. Ambos métodos modernos manejaron las propiedades del suelo ruidosas y solapadas mucho mejor que el enfoque lineal antiguo, que a menudo sobreestimaba o subestimaba el hinchamiento, especialmente en valores altos. El análisis también confirmó que ciertos rasgos, como el límite líquido, la plasticidad y el contenido de arcilla, son las principales señales de riesgo de hinchamiento, mientras que factores relacionados con suelos más densos y menos porosos tienden a reducir ese riesgo.

De los datos a cimientos más seguros

Para un público no especialista, el mensaje clave es que las pruebas de suelo existentes ahora pueden combinarse con modelos basados en datos para identificar rápidamente áreas donde el terreno es probable que se eleve y agriete las estructuras. Usando regresión Lasso y Ridge, los ingenieros pueden centrarse en un conjunto más reducido de propiedades del suelo realmente importantes y obtener estimaciones de hinchamiento más precisas sin realizar todas las pruebas posibles en cada lugar. Esto permite diseñar cimientos, pavimentos y obras de tierra en zonas proclives al hinchamiento con salvaguardas adecuadas desde el principio, reduciendo la probabilidad de daños costosos a lo largo de la vida de la estructura.

Cita: Bility, M.T., Vora, T., Lakhani, P.N. et al. Assessment of Lasso and Ridge models for soil swelling potential prediction. Sci Rep 16, 11922 (2026). https://doi.org/10.1038/s41598-026-39917-2

Palabras clave: suelo expansivo, hinchamiento del suelo, aprendizaje automático, regresión Lasso, ingeniería geotécnica