Modelos basados en redes neuronales para predecir el comportamiento de los firmes en España utilizando la base de datos LTPP

Abstract

Conocer la evolución del deterioro del pavimento es un desafío complejo pero esencial para una planificación efectiva de las operaciones de conservación. Diversas investigaciones han demostrado la influencia significativa de factores como el estado actual, la intensidad del tráfico y las condiciones climáticas, en el deterioro del pavimento. El objetivo de este estudio es desarrollar un modelo de predicción basado en redes neuronales para anticipar la evolución de la condición del pavimento. Para ello se analizan diversas combinaciones de datos de entrada, entre los que se encuentran: el tiempo transcurrido, los daños del pavimento, el estado actual del firme, las condiciones climáticas (temperatura y precipitación) y la intensidad de tráfico (especialmente tráfico pesado). Los resultados revelan que el modelo más preciso considera como datos de entrada el tiempo transcurrido, el estado actual y las condiciones de tráfico y climáticas. Incluir los daños en los modelos conlleva ciertos errores de predicción debido a la evolución variable de los distintos tipos de daños con el tiempo. Además, este modelo exhibe una curva de evolución del deterioro similar a la curva teórica de evolución del deterioro del pavimento, respaldando su validez y utilidad para la planificación de intervenciones de conservación.