Marco de diseño basado en fiabilidad asistido por IA para dovelas de hormigón en túneles en rocas débiles

Túneles más seguros en terrenos inciertos

Los túneles transportan trenes, coches, agua y energía a través de montañas y ciudades, pero se excavan en rocas que nunca se conocen con total precisión. En rocas débiles o fracturadas, los proyectistas deben estimar la verdadera resistencia del terreno y cuánta dovela de hormigón es necesaria para evitar que el túnel se deforme por compresión. Este estudio muestra cómo la combinación de la mecánica clásica de rocas, la probabilidad y la inteligencia artificial moderna puede convertir esas conjeturas en un diseño basado en el riesgo más claro, para túneles más seguros y económicos en terrenos complicados.

Por qué el diseño de túneles es tan difícil

Cuando los ingenieros diseñan un túnel deben decidir el espesor del revestimiento de hormigón y la calidad del hormigón a emplear. El diseño tradicional «determinista» asume valores únicos para la resistencia de la roca, las tensiones in situ y las propiedades de los materiales, y después comprueba si el revestimiento es suficiente mediante un coeficiente de seguridad. Pero la roca real es variable: la resistencia, la rigidez y la estructura pueden cambiar de metro a metro. Ignorar esa variabilidad puede hacer que un diseño sea demasiado optimista (inseguro) o innecesariamente sobredimensionado (demasiado costoso). En contraste, el diseño probabilístico considera cada propiedad clave como un intervalo con una probabilidad asociada y estima la probabilidad de fallo del revestimiento. Este trabajo aplica ese enfoque basado en el riesgo específicamente a dovelas de túneles en roca débil, donde la incertidumbre tiene mayor impacto.

Vinculando roca, revestimiento y movimientos del terreno

El núcleo del marco es un método llamado convergencia–confinamiento, que conecta cómo se deforma la roca alrededor de un túnel circular (convergencia) con la resistencia que opone el revestimiento (confinamiento). La roca se describe mediante una regla de rotura ampliamente utilizada para macizos rocosos fracturados, mientras que el revestimiento de hormigón se considera elástico hasta su resistencia a compresión. Se construyen dos curvas: una muestra cómo reacciona la roca conforme el túnel se abre y se relaja, y la otra muestra cómo resiste el revestimiento a medida que se carga. Su intersección proporciona la presión sobre el revestimiento y un coeficiente de seguridad basado en la presión. En este trabajo, cada magnitud de control —la tensión in situ, la resistencia de la roca, el índice de calidad de la roca, el radio del túnel, la rigidez del revestimiento, la resistencia del revestimiento y el espesor del revestimiento— se modela como una variable aleatoria. Empleando miles de muestras Monte Carlo y un método de fiabilidad bien establecido (FORM), los autores calculan tanto un coeficiente de seguridad como una probabilidad explícita de fallo para cada diseño.

Enseñar a una IA a predecir la seguridad del túnel

Ejecutar simulaciones probabilísticas completas para muchas opciones de diseño puede ser lento. Para superar esto, los autores entrenan un sustituto mediante inteligencia artificial usando programación de expresión genética, una forma de regresión simbólica que produce una ecuación en forma cerrada en lugar de un modelo de caja negra. Generan grandes conjuntos de datos a partir de su motor de fiabilidad en hojas de cálculo y luego desarrollan una fórmula compacta que predice el coeficiente de seguridad basado en la presión a partir de ocho entradas clave, incluyendo tamaño del túnel, propiedades de la roca y propiedades del revestimiento. La ecuación final reproduce muy bien los resultados probabilísticos, con una correlación superior a 0,99, y es ligeramente conservadora: tiende a predecir un coeficiente de seguridad algo inferior al valor medio de las simulaciones completas. Ese sesgo resulta útil en diseños orientados a la seguridad, porque evita predicciones excesivamente optimistas y ofrece a los ingenieros una forma rápida de explorar muchas combinaciones.

Qué hacen realmente el espesor y la calidad del hormigón

Usando este marco combinado, el estudio explora cómo los cambios en el espesor del revestimiento y la calidad del material afectan la seguridad del túnel en roca débil. Se examinan dos tipos de hormigón: un hormigón convencional con una resistencia de alrededor de 20 MPa y un hormigón de polvo reactivo reforzado con fibras (FRPC) mucho más resistente, de alrededor de 65 MPa. Para hormigón de baja resistencia y espesores reducidos, la probabilidad de fallo puede superar el 60 %; a medida que el espesor aumenta hacia 200 mm y más, esa probabilidad tiende a cero. Para el FRPC de alta resistencia, incluso revestimientos relativamente delgados alcanzan probabilidades de fallo muy bajas, y espesores moderados son suficientes para cumplir niveles de fiabilidad exigentes. Los resultados se presentan en gráficos y mapas de calor que vinculan directamente espesor y resistencia con índices de fiabilidad y probabilidades de fallo, ofreciendo a los diseñadores una guía visual clara en lugar de depender de un único coeficiente de seguridad fijo.

Convertir coeficientes de seguridad en decisiones basadas en riesgo

Para un lector no especializado, el mensaje principal es que un coeficiente de seguridad por sí solo no mide de forma completa la seguridad de un túnel. Este trabajo muestra cómo traducir entre coeficientes de seguridad tradicionales y probabilidades explícitas de fallo, y cómo escoger el espesor del revestimiento y la calidad del material para alcanzar un objetivo de riesgo elegido en lugar de una regla empírica genérica. Al incorporar un modelo de IA interpretable en un motor de fiabilidad transparente, los autores demuestran un modo práctico de diseñar dovelas de túnel que sean a la vez más seguras y más económicas, especialmente en rocas débiles e impredecibles. En lugar de conjeturas y sobredimensionamiento, los ingenieros pueden ahora cuantificar cuánto se reduce el riesgo al elegir un revestimiento más grueso, un hormigón más resistente como el FRPC o ambas cosas, acercando el diseño de túneles a una gestión del riesgo moderna e informada por datos.

Cita: Khani, J., Nejati, H.R., Goshtasbi, K. et al. AI-assisted reliability-based design framework for tunnel concrete linings in weak rocks. Sci Rep 16, 14270 (2026). https://doi.org/10.1038/s41598-026-44903-9

Palabras clave: revestimiento de túnel, roca débil, diseño basado en fiabilidad, espesor del hormigón, inteligencia artificial