Predicción de la presión de poros en un talud mediante análisis espectral

Abstract

Les pluges intenses i les condicions climàtiques extremes augmenten el risc d’esllavissades en incrementar la saturació del sòl i la pressió de porus (Pw), la qual cosa disminueix la resistència al tall del terreny. L'objectiu de l'estudi és predir la Pw en un talús mitjançant l’anàlisi espectral i variables meteorològiques. Utilitzant dades de dos anys d’estacions meteorològiques i piezòmetres, es va aplicar la Transformada de Fourier i es van calcular funcions de transferència per fer prediccions. Es van provar dos mètodes, essent el segon, que combina diverses variables meteorològiques amb models de regressió, el més precís. Els resultats van mostrar una correlació significativa entre la pressió baromètrica, la humitat i la temperatura amb la Pw, millorant així la precisió de les prediccions.

Las lluvias intensas y las condiciones climáticas extremas aumentan el riesgo de deslizamientos al incrementar la saturación del suelo y la presión de poros (Pw), lo que disminuye la resistencia al corte del terreno. El objetivo del estudio es predecir la Pw en un talud mediante el análisis espectral y variables meteorológicas. Utilizando datos de dos años de estaciones meteorológicas y piezómetros, se aplicó la Transformada de Fourier y se calcularon funciones de transferencia para realizar predicciones. Se probaron dos métodos, siendo el segundo, que combina varias variables meteorológicas con modelos de regresión, el más preciso. Los resultados mostraron una correlación significativa entre la presión barométrica, la humedad y la temperatura con la Pw, mejorando así la precisión de las predicciones.

Intense rainfall and extreme weather conditions increase the risk of landslides by raising soil saturation and pore water pressure (Pw), which reduces the shear strength of the terrain. The objective of this study is to predict Pw in a slope through spectral analysis and meteorological variables. Using two years of data from meteorological stations and piezometers, the Fourier Transform was applied, and transfer functions were calculated to make predictions. Two methods were applied, the second, which combines multiple meteorological variables with regression models, was the most accurate. The results showed a significant correlation between barometric pressure, humidity, and temperature with Pw, thus improving prediction accuracy.