Método para determinar el modelo del suelo no homogéneo y sus parámetros, por medio de algoritmos genéticos, para el diseño de sistemas de puesta a tierra

Abstract

Se plantea un método para determinar el modelo del suelo no homogéneo y sus parámetros, por medio de algoritmos genéticos, para el diseño de sistemas de puesta a tierra; integrando herramientas de validación sobre las mediciones realizadas en pasos previos a la ejecución del algoritmo genético. El método permite obtener modelos de suelo no homogéneo 1-D por capas y modelos de suelo 2-D que incluye un volumen finito de resistividad a partir de las mediciones de resistividad aparente del terreno bajo estudio; que de forma estructurada y sistemática permiten al diseñador obtener un modelo de suelo no homogéneo con buena precisión y correspondencia entre los resultados de los pasos del método. Adicionalmente, este trabajo representa un aporte en la búsqueda de la modelización estocástica del suelo, presentando una formulación del problema indirecto para la obtención de un modelo de suelo con volúmenes finitos a ser determinados con la utilización de algoritmos genéticos considerados como una técnica evolutiva estocástica. / Abstract. This work present a method for determining the non-homogeneous soil model and its parameters, through genetic algorithms, for the design of grounding systems, integrating validation tools on measurements taken in steps before executing the genetic algorithm. The method enables to obtain soil models non-homogeneous 1-D for layers and models 2-D that includes a finite volume resistivity, from measurements of apparent resistivity of the ground under study, that of manner structured and systematic allows the designer obtain a non-homogeneous soil model with good accuracy and correlation between the results of steps of the method. Additionally, this work represents a contribution in the search for stochastic modeling of the soil, introducing an indirect formulation of the problem for obtaining a finite volume of soil to be determined using genetic algorithms as stochastic evolutionary technique.