Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EXAMEN DE GRADO
A TRAVÉS DE CURSOS DE CAPACITACIÓN PROFESIONAL
Presentado por:
Jhon Petter Virgós De los Ríos
Un agradecimiento especial a mis padres, Emilio y Gladys, y a toda mi familia por su apoyo.
RESUMEN
Este estudio se enfoca en describir las prácticas que puedan mejorar la recopilación,
almacenamiento y análisis de datos geotécnicos para su aplicación en proyectos de ingeniería.
Comenzamos explorando la geotecnia y su importancia en proyectos de construcción, así
como las técnicas de organización y análisis de datos geotécnicos. Luego, en la sección de
análisis espacial de datos, se presentan técnicas estadísticas que permiten explorar y analizar
datos para realizar predicciones en áreas sin observaciones directas.
ÍNDICE DE CONTENIDO
DEDICATORIA............................................................................................................................
AGRADECIMIENTOS.................................................................................................................
RESUMEN................................................................................................................................... i
ÍNDICE DE CONTENIDO.........................................................................................................ii
ÍNDICE DE FIGURAS..............................................................................................................iii
1 INTRODUCCIÓN....................................................................................................................1
3 OBJETIVOS.............................................................................................................................2
3.1 Objetivo general.............................................................................................................. 2
3.2 Objetivos específicos.......................................................................................................2
4 JUSTIFICACIÓN.....................................................................................................................3
4.1 Justificación Social.......................................................................................................... 3
4.2 Justificación Económica.................................................................................................. 3
4.3 Justificación Técnica....................................................................................................... 3
4.4 Justificación Ambiental................................................................................................... 4
6 GEOTECNIA........................................................................................................................... 5
6.1 Geotecnia en Proyectos de Construcción........................................................................ 6
6.2 Parámetros geotécnicos................................................................................................... 6
6.3 Suelos y Rocas.................................................................................................................7
6.3.1 Suelos..................................................................................................................... 8
6.3.2 Rocas...................................................................................................................... 9
6.4 Caracterización Geotécnica........................................................................................... 10
6.5 Sistema Unificado de Clasificación de Suelos (SUCS).................................................11
9 EJEMPLO DE APLICACIÓN.............................................................................................. 35
9.1 Análisis Exploratorio de Datos (AED)..........................................................................37
9.1.1 Visualización Espacial..........................................................................................37
9.1.2 Distribución de Granulometría............................................................................. 37
9.1.3 Curvas de Granulometría por Profundidad...........................................................37
9.1.4 Cuadro de Plasticidad de los Datos...................................................................... 47
9.2 Análisis Estructural....................................................................................................... 48
9.2.1 Matriz de Correlación entre Variables.................................................................. 48
9.2.2 Semivariograma....................................................................................................49
ii
11 CONCLUSIONES Y RECOMENDACIONES................................................................... 68
11.1 Conclusiones................................................................................................................68
11.2 Recomendaciones........................................................................................................ 68
12 OPINIÓN PERSONAL........................................................................................................ 69
13 REFERENCIAS BIBLIOGRÁFICAS................................................................................. 70
14 ANEXOS.............................................................................................................................. 71
iii
ÍNDICE DE FIGURAS
1 INTRODUCCIÓN
Sin embargo, uno de los desafíos que se tiene cuando estudiamos el suelo radica en la
limitada información que se dispone, en parte debido a los costos asociados con la realización
de estudios de suelos. Existe también un riesgo de no recopilar suficiente información cuando
no se cuenta con puntos de referencia o antecedentes que indiquen qué aspectos del suelo son
más críticos o relevantes en una determinada área. En otras palabras, la falta de un registro
histórico o de referencia hace que la recopilación de nueva información sea más "a ciegas" y
2
dificulta identificar dónde se deben enfocar los esfuerzos de recopilación de datos y qué
características del suelo son las más importantes para estudiar.
3 OBJETIVOS
4 JUSTIFICACIÓN
6 GEOTECNIA
La geotecnia es una disciplina en la ingeniería que estudia las propiedades del suelo y
su aplicación en proyectos de construcción. Desde viviendas, caminos y edificios hasta
complejas infraestructuras como puentes, presas y túneles. Su objetivo principal es
comprender la interacción entre el suelo y las estructuras, en esta interacción el suelo actúa
como soporte y transmite las cargas, distribuyendolas gradualmente hacia capas más
profundas de la Tierra.
Las cargas se transmiten a través del suelo principalmente por dos mecanismos:
compresión y fricción. La compresión ocurre cuando las partículas del suelo son comprimidas
bajo la carga, lo que provoca una redistribución de las fuerzas en el suelo. La fricción, por otro
lado, se refiere a la resistencia que ofrece el suelo al movimiento de las partículas. Ambos
mecanismos juegan un papel crucial en la transmisión de cargas y en la capacidad del suelo
para soportar estructuras.
La capacidad del suelo para soportar estructuras se determina a través de una serie de
estudios y pruebas geotécnicas. Todo comienza con la caracterización del suelo, que implica
recopilar datos y llevar a cabo pruebas de campo y ensayos de laboratorio. Durante este
proceso de caracterización, se obtienen propiedades como granulometría, plasticidad,
permeabilidad y otros parámetros que permiten clasificar el suelo. Utilizando esta información
y considerando factores como resistencia al corte, ángulo de fricción interna, cohesión y
profundidad del estrato del suelo, entre otros, se calcula la capacidad de carga del suelo.
Es importante tener en cuenta que no todos los tipos de suelo reaccionan de la misma
manera frente a las condiciones impuestas por una construcción o el entorno circundante. Esto
se debe a las diferencias en tipos de suelos, su estructura, origen, composición y su historia
geológica.
En esta sección, exploraremos los parámetros geotécnicos, que son propiedades de los suelos
y las rocas utilizadas en la ingeniería para evaluar la capacidad de carga del suelo, la
estabilidad de las estructuras y la mitigación de riesgos geotécnicos.
consolidados, lo que los hace más comprensibles y deformables. Comprender las diferencias y
similitudes entre estos materiales es importante para su aplicación en proyectos de
construcción y diseño de cimentaciones. Para una comprensión más profunda, exploraremos
cómo se forman estos materiales y las propiedades físicas y mecánicas que los distinguen.
6.3.1 Suelos
Comparados con las rocas, los suelos son menos densos y cohesivos. Presentan una
mayor porosidad, lo que les confiere una capacidad superior para retener agua. Debido a su
falta de consolidación, los suelos son más compresibles y deformables bajo cargas. Algunas
de las características más notables de los suelos son:
partículas. Suelos coherentes, como la arcilla, pueden soportar cargas, pero también
pueden sufrir deformaciones si se excede su capacidad
● Permeabilidad: Indica la capacidad del suelo para permitir el flujo de agua. Esta
característica es útil para aplicaciones de drenaje y cimentaciones cuando se requiere
transportar el agua lejos de las estructuras.
6.3.2 Rocas
En contraste con los suelos, las rocas son materiales consolidados con una cohesión
interna significativa. Se forman a través de procesos de compactación y cementación de
partículas minerales o por la solidificación de material fundido, en un contexto geológico que
abarca eones de tiempo.
Las rocas son más densas, rígidas y resistentes en comparación con los suelos.
Experimentan una consolidación sustancial que les otorga rigidez y fuerza. Tienen una menor
porosidad, lo que limita su capacidad para retener agua. Las rocas son menos deformables
bajo cargas y exhiben una mayor resistencia a la compresión y a la fractura.
● Exploración del sitio: Comienza con una exploración del lugar donde se llevará a
cabo el proyecto de construcción. Durante esta etapa, se realiza un levantamiento
detallado del terreno, se analizan datos geológicos disponibles y se identifican las
características topográficas relevantes. Esta exploración proporciona una visión
general de la geología del área.
● Ensayos de Campo: Se realizan ensayos en el lugar debido a su capacidad para
capturar las condiciones reales del sitio de construcción. Proporcionan información
valiosa que abarca desde las variaciones estacionales y temporales, como los niveles
de agua subterránea, hasta las características de las distintas capas del suelo a
diferentes profundidades. Un ejemplo de esto es el "Ensayo de Penetración Estándar
(SPT)" que evalúa la resistencia y características del suelo a diferentes profundidades.
● Muestreo de Suelos y Rocas: En esta etapa, se recolectan una cantidad suficiente de
muestras representativas del suelo y las rocas para su análisis en laboratorio. Se
emplean diversas técnicas de muestreo, cada método se elige según la naturaleza del
suelo y las necesidades específicas del proyecto.
● Ensayos de Laboratorio: Las muestras recopiladas se someten a ensayos de
laboratorio, que incluyen la determinación de propiedades como granulometría,
plasticidad, resistencia y permeabilidad. Estos ensayos proporcionan datos
cuantitativos sobre las características de los suelos y las rocas.
● Interpretación de Datos: Los datos recopilados se interpretan para comprender las
propiedades del suelo y las rocas.
11
Análisis: Aquí los datos adquieren significado. Este proceso implica la aplicación de
herramientas y técnicas para realizar cálculos, identificar patrones, tendencias y visualizar la
información de manera efectiva. Es la etapa en la que se extraen conocimientos útiles.
Accesibilidad: Los datos almacenados deben ser de fácil acceso, permitir la consulta
remota y colaborativa. Esto es especialmente importante en proyectos geotécnicos que
involucran equipos de campo y personal técnico en distintas ubicaciones. La elección de
plataformas de almacenamiento en la nube, sistemas de acceso a datos basados en la web y la
implementación de protocolos de acceso seguro son estrategias útiles para garantizar el acceso
a los datos.
Seguridad: Dado que los datos geotécnicos pueden contener información sensible, se
necesitan medidas de seguridad para protegerlos contra accesos no autorizados, pérdida o
daño. Esto incluye la encriptación de datos para proteger la información sensible, el control de
acceso para garantizar que solo personas autorizadas puedan acceder y la implementación de
salvaguardias para evitar pérdidas y daños.
Integración: Los datos deben poder integrarse fácilmente con otras herramientas y
sistemas utilizados en proyectos de construcción. Esto incluye la interacción con equipos de
laboratorio, software de ingeniería y sistemas de planificación. La estandarización de formatos
de datos y la adopción de normativas de intercambio de datos geotécnicos pueden simplificar
la integración y mejorar la eficiencia en proyectos multidisciplinarios.
La metodología del análisis espacial se basa en la premisa de que los valores de una
variable tienden a ser similares en ubicaciones cercanas en comparación con ubicaciones
distantes. Esta similitud se deriva de factores geográficos, geológicos y ambientales
compartidos en áreas próximas que influyen en las similitudes de los datos observados. Por
ejemplo, en geotecnia, propiedades como el tamaño de partículas o la composición mineral
suelen tener valores más parecidos en áreas cercanas debido a estas influencias comunes.
a) Análisis Exploratorio de Datos (AED): En esta etapa, se exploran los datos para
identificar patrones, tendencias y características significativas. Se utilizan herramientas
estadísticas como gráficos y estadísticas descriptivas para comprender la estructura de
los datos, detectar valores atípicos y abordar datos faltantes.
b) Análisis Estructural: Esta etapa, se centra en comprender la relación espacial entre
los datos. Se investiga cómo las variables se relacionan entre sí en función de su
ubicación, examinando aspectos como la correlación espacial, patrones de dispersión y
dependencia espacial. Se utilizan técnicas como el cálculo de semivariogramas y la
creación de mapas de calor para visualizar estas relaciones.
c) Predicción Espacial: El objetivo de esta etapa es estimar valores en ubicaciones no
muestreadas. Esto se logra mediante modelos estadísticos basados en información
previamente obtenida, generando mapas que representan la distribución estimada de la
variable de interés.
18
Figura 1.
Formas de distribución de datos
A)
uniforme
B) C)
Nota. A) Formas de distribución de frecuencias. B) Relación lineal y no lineal de dos variables. C) Variabilidad
Heterocedástica y Homocedástica. Fuente: Elaboración propia
20
Estadísticas descriptivas son herramientas que nos permiten comprender y resumir datos.
Estas medidas ofrecen una visión general de la distribución, tendencia central y dispersión de
un conjunto de datos. Exploramos algunas estadísticas descriptivas a continuación.
Moda (Mo): La moda es el valor que aparece con mayor frecuencia en un conjunto de
datos. En ocasiones, puede haber múltiples modas si varios valores tienen la misma frecuencia
máxima. La moda es especialmente relevante para variables categóricas o discretas.
Figura 2.
Estadísticas descriptivas, media, mediana y moda.
Quartiles (Q1, Q2, Q3): Los cuartiles dividen un conjunto de datos ordenados en
cuatro partes iguales y son útiles para analizar la distribución y detectar valores atípicos.
● Primer Cuartil (Q1): Este valor se ubica en el lugar donde el 25% de los datos
está por debajo de él.
● Segundo Cuartil (Q2): Coincide con la mediana y divide el conjunto de datos
en dos mitades iguales, lo que significa que el 50% de los datos se encuentra
por debajo de este valor.
● Tercer Cuartil (Q3): Representa el valor en el cual el 75% de los datos están
por debajo.
Varianza (σ²): Mide cuánto se desvían los valores individuales respecto a la media
(μ), es una medida de dispersión. Se calcula como la media de los cuadrados de las diferencias
entre cada dato y la media.
𝑛
1
σ² = 𝑛
∑ (𝑥𝑖 − µ)²
𝑖=1
Donde:
● σ2: Varianza.
● n: Número de datos en la muestra.
● xi: Cada valor en la muestra.
● μ: Media de la muestra.
σ = σ²
22
𝑛
1
𝐶𝑜𝑣(𝑋, 𝑌) = 𝑛
∑ (𝑋𝑖 − 𝑋)(𝑌𝑖 − 𝑌)
𝑖=1
Donde:
● 𝐶𝑜𝑣(𝑋, 𝑌): Covarianza entre X e Y.
● 𝑛: Número de observaciones
● 𝑋𝑖 y 𝑌𝑖 : Observaciones individuales de X e Y.
● 𝑋 y 𝑌: Medias de X e Y, respectivamente.
Donde:
● ρ𝑋,𝑌 = 𝑐𝑜𝑟𝑟(𝑋, 𝑌) : Coeficiente de correlación de Pearson.
● n : Número de observaciones.
● Xi y Yi: Observaciones individuales de X e Y.
● 𝑋 y 𝑌 : Medias de X e Y, respectivamente.
Los gráficos descriptivos son herramientas visuales que simplifican y resumen información
sobre la distribución, tendencia central y dispersión de datos. Estas representaciones visuales
23
● Gráfico de Barras
● Gráfico de línea
● Histogramas
● Gráficos de Dispersión
● Diagramas de Caja
Figura 3.
Gráficos descriptivos.
Figura 4.
Características de un diagrama de cajas
● La correlación se emplea para medir la relación entre dos o más variables diferentes
observadas en las mismas ubicaciones.
● La autocorrelación se centra en la relación espacial de una variable con ella misma en
diferentes ubicaciones.
Estos patrones describen cómo se distribuyen los valores de una variable. Pueden ser
uniformes (dispersión homogénea), aleatorios (sin patrón aparente) o agrupados
(conglomeración en áreas específicas). La identificación de estos patrones ofrece información
valiosa sobre la distribución de datos.
Figura 5.
Patrones de dispersión de datos
8.2.3 Semivariograma
𝑛(ℎ)
1
γ(ℎ) = 2𝑛(ℎ)
∑ [𝑍(𝑥𝑖) − 𝑍(𝑥𝑖 + ℎ)]²
𝑖=1
Donde:
● γ(h): Semivarianza a una distancia h en el espacio.
● n(h): Número de pares de observaciones a una distancia h.
● Z(xi) y Z(xi+h) : Valores de la variable en las ubicaciones xiy xi+h, respectivamente.
Figura 6.
Gráfico de Semivariograma
En esta etapa, se elige un modelo teórico para el semivariograma que se ajuste mejor al
semivariograma experimental. La elección del modelo adecuado es esencial para el proceso de
interpolación. A continuación, se describen los modelos teóricos comunes más utilizados:
a) Modelo Esférico. Este modelo representa una dependencia espacial limitada y alcanza
una meseta, donde la variabilidad espacial se estabiliza, a medida que la distancia
supera un valor definido como el alcance. Es adecuado cuando se sabe que la
dependencia espacial tiene un límite y que más allá del alcance, la correlación espacial
es insignificante. Este modelo se caracteriza por un rápido aumento a la meseta y luego
un comportamiento constante en la meseta.
b) Modelo Exponencial. En este modelo, la dependencia espacial disminuye
exponencialmente con la distancia y no alcanza una meseta. En lugar de un límite
máximo, la correlación espacial disminuye continuamente a medida que la distancia se
30
Figura 7.
Modelos de Semivariogramas teóricos
Tabla 1: Datos del conjunto. En esta tabla, presentamos los datos del conjunto, que
incluyen las observaciones de la variable de estudio y las coordenadas de los puntos de
muestreo.
Figura 8.
Ejemplo de construcción de un Semivariograma
A) B)
Tabla 1
valor
0.30 0.35 0.40 0.42 0.45 0.40 0.70 0.65 0.72 0.75 0.70 0.75
variable
h 1 2 3 4 5 6 7 8 9 10 11 12
𝑛(ℎ)
1
γ(ℎ) = 2𝑛(ℎ)
∑ [𝑍(𝑥𝑖) − 𝑍(𝑥𝑖 + ℎ)]²
𝑖=1
Tabla 2
N(h) Desarrollo de la ecuación γ(ℎ)
h=1 11 1
[(0. 30 − 0. 35)² + (0. 40 − 0. 42)² +... + (0. 70 − 0. 75)²] 0.00510
2*11
h=2 10 1
[(0. 30 − 0. 40)² + (0. 40 − 0. 45)² +... + (0. 75 − 0. 75)²] 0.00768
2*10
h=3 9 1
[(0. 30 − 0. 42)² + (0. 42 − 0. 70)² +... + (0. 72 − 0. 75)²] 0.01395
2*9
… … … …
h=11 1 1
[(0. 30 − 0. 75)²] 0.10125
2*1
La interpolación por vecino más cercano es una técnica simple que estima los valores
en ubicaciones no muestreadas basándose en los valores de los puntos de muestreo más
cercanos. Se asume que los valores en una ubicación no muestreada son iguales o similares a
los valores de la ubicación muestreada más cercana. Aunque es rápida y fácil de aplicar, esta
técnica puede ser sensible a valores atípicos y no considera la estructura de correlación
espacial en los datos.
La interpolación por inverso de la distancia ponderada es una técnica que estima los
valores en ubicaciones no muestreadas teniendo en cuenta la distancia a los puntos de
muestreo y el valor de la variable en esos puntos. En esta aproximación, se asigna más peso a
los puntos más cercanos y menos peso a los puntos más lejanos, lo que permite considerar una
estructura de correlación espacial. Sin embargo, esta técnica puede ser sensible a la elección
de parámetros y la densidad de muestreo.
9 EJEMPLO DE APLICACIÓN
Este capítulo presenta un ejemplo de aplicación que demuestra cómo la gestión de datos y
técnicas estadísticas se utilizan para estimar valores de variables en ubicaciones no
muestreadas directamente. En este caso, se emplean datos de 3 ensayos SPT en Santa Cruz. El
análisis se enfoca en estimar los parámetros geotécnicos de Granulometría y Límites de
Atterberg en los puntos [‘X1’, ‘X2’, ‘X3’, …, ‘X9’] y luego clasificar los resultados en el
sistema SUCS. El proceso se divide en tres etapas:
Figura 9.
Resumen del conjunto de datos [‘A’, ‘B’, ‘C’]
Figura 10.
Conjunto de datos [‘A’, ‘B’, ‘C’]. Ensayo: [‘SPT’]
1 a1 … … … 0.50 … CL 21.4 99.60 98.10 97.20 97.00 96.50 43.4 18.9 0 0.07 1.83 8
2 a1 … … … 1.50 … CL 21.4 100.00 100.00 97.70 92..80 87.90 27.6 10.5 0 0.06 1.83 7
… … … … … … … … … … … … … … … …. … … … …
73 c6 … … … 7.50 … CL 17.2 100.00 99.73 93.37 85.27 58.23 27.2 10 3 0.31 1.82 13
id: Identificación única para cada conjunto de datos. N°4: porcentaje de partículas de suelo que pasa a través del tamiz N°4
x: coordenada de longitud geográfica. N°10: porcentaje de partículas de suelo que pasa a través del tamiz N°10
y: coordenada de latitud geográfica. N°40: porcentaje de partículas de suelo que pasa a través del tamiz N°40
z: altitud o elevación sobre el nivel del mar del punto de muestreo N°60: porcentaje de partículas de suelo que pasa a través del tamiz N°60
prof: profundidad desde la superficie del suelo hasta el intervalo de N°200: porcentaje de partículas de suelo que pasa a través del tamiz
interés N°200
SUCS: Clasificación del suelo en el sistema SUCS. LL: límite líquido del suelo
w: contenido de humedad natural. IP: índice de plasticidad del suelo.
ϕ: Ángulo de fricción interna del suelo
c: Cohesión del suelo
ϒ: Peso específico del suelo, (ton/m3).
Nspt: Número de golpes del ensayo SPT
Figura 11
Gráficos de ubicación y perfil estratigráfico. Pozos: [‘A’, ‘B’, ‘C’]
Distancias calculadas:
p1| p2 Distancia
(m)
a1 a2 30.71
b1 b2 30.71
c1 c2 46.07
c1 c4 46.07
X1 X2 76.78
X1 X4 76.78
… … …
… … …
a1 c1 291.65
a1 b1 308.25
a1 b3 308.33
a1 c6 370.91
b1 c5 377.84
b1 c4 400.68
Figura 12.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]
Figura 13.
Distribución de Probabilidad - Granulometría. Pozos: [‘A’, ‘B’, ‘C’]
Variable media moda mediana varianza desv std L sup L inf Q1 Q3 IQR
0.075mm 34.25 96.50 24.48 701.21 26.48 97.1 3.7 12.47 57.33 44.86
0.250mm 69.30 31.68 71.22 248.13 15.75 98.2 31.7 54.89 83.58 28.70
0.425mm 89.27 82.55 91.77 55.10 7.42 99.6 69.0 83.55 94.68 11.13
Figura 14.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [1] m
Leyenda:
id SUCS 0.075mm
(%)
a1 CL 96.50
a2 CL 96.50
c6 SM 41.46
b1 SM 33.30
b3 SM 33.20
b2 SM 32.00
c1 SM 28.61
c2 SM 25.73
c5 SM 14.90
c4 SM 14.51
c3 SP-SM 11.53
Figura 15.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [2] m
Leyenda:
id SUCS 0.075mm
(%)
a2 CL 97.1
a1 CL 87.9
b3 ML 53.6
b2 ML 51.8
b1 ML 50.1
c1 SM 36.68
c2 SM 15.62
c5 SM 13.24
c4 SM 12.23
c3 SP-SM 10.51
c6 SP-SM 8.18
Figura 16.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [3] m
Leyenda:
id SUCS 0.075mm
(%)
a2 ML 79.60
a1 ML 60.90
c1 SM 28.17
b1 SM 19.40
b2 SM 17.50
c3 SM 16.04
b3 SM 15.80
c4 SM 15.76
c2 SM 14.76
c5 SP-SM 9.63
c6 SP-SM 7.67
Figura 17.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [4] m
Leyenda:
id SUCS 0.075mm
(%)
a2 SM 33.10
c1 SM 25.45
a1 SM 23.5
b1 SM 21.1
b3 SM 19.6
b2 SM 19.5
c3 SM 18.57
c6 SP-SM 11.13
c4 SP-SM 6.41
c5 SP 4.75
c2 SP 3.73
Figura 18.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [5] m
Leyenda:
id SUCS 0.075mm
(%)
a2 CL 73.60
a1 ML 59.30
c3 SM 46.77
c1 SM 15.84
c6 SP-SM 6.76
c2 SP-SM 6.01
c4 SP 4.74
c5 SP 4.62
Figura 19.
Curva de Granulometría. Pozos: [‘A’, ‘B’, ‘C’]. Profundidad: [6] m
Leyenda:
id SUCS 0.075mm
(%)
a2 CL 76.30
a1 CL-ML 59.80
c5 SC-SM 43.27
c1 SM 37.84
c2 SM 13.18
c3 SM 10.22
c4 SP-SM 8.55
c6 SP-SM 5.04
Figura 20.
Cuadro de Plasticidad. Pozos [‘A’, ‘B’, ‘C’], Profundidad: [1-8] m
La Figura 21 muestra una matriz de correlación que representa las relaciones entre las
variables analizadas en el estudio. Los valores de correlación oscilan entre -1 y 1. Una
correlación de -1 indica una correlación negativa perfecta, 1 indica una correlación positiva
perfecta y 0 indica la ausencia de correlación. Los elementos en la diagonal principal de la
matriz tienen un valor de 1, ya que representan la correlación de cada variable consigo misma.
Figura 21.
Matriz de Correlación. Pozos [‘A’, ‘B’, ‘C’], Profundidad: [1-8] m
Abertura de
Malla
tamiz (mm)
#4 4.75
# 10 2.00
# 40 0.425
# 60 0.250
# 200 0.075
9.2.2 Semivariograma
Figura 22.
Semivariograma, Variable: [‘0.075mm’], Profundidad: [1] m
En esta etapa, nos enfocamos en la predicción espacial de los valores de las diferentes
variables de interés, como '4.75mm', '2.00mm', '0.425mm', '0.250mm', '0.075mm', 'LL' e 'IP', a
diferentes profundidades. La técnica de interpolación utilizada para este propósito es el
Kriging.
Figura 23.
Interpolación Kriging. Variable: [‘0.075mm’], Profundidad: [1-6] m
Figura 24.
Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [1] m
Leyenda:
id SUCS 0.075mm
(%)
X1 CL 71.90
X4 CL 63.14
X7 CL-ML 51.23
X2 CL 50.15
X5 SC-SM 40.93
X3 SM 36.12
X8 SM 30.34
X6 SM 28.66
X9 SM 17.40
Figura 25.
Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [2] m
Leyenda:
id SUCS 0.075mm
(%)
X4 CL 85.42
X1 CL 82.00
X7 CL 73.67
X2 CL-ML 73.36
X5 CL-ML 70.12
X3 ML 63.02
X6 ML 57.80
X8 ML 53.10
X9 SM 38.98
Figura 26.
Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [3] m
Leyenda:
id SUCS 0.075mm
(%)
X4 ML 71.87
X7 ML 62.74
X1 ML 60.59
X5 ML 50.97
X2 SM 47.16
X8 SM 42.57
X3 SM 32.87
X6 SM 32.18
X9 SM 26.88
Figura 27.
Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [4] m
Leyenda:
id SUCS 0.075mm
(%)
X7 SM 41.04
X4 SM 39.08
X5 SM 32.15
X8 SM 30.34
X1 SM 28.94
X2 SM 27.07
X9 SM 26.92
X6 SM 26.26
X3 SM 23.88
Figura 28.
Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [5] m
Leyenda:
id SUCS 0.075mm
(%)
X6 ML 96.34
X3 ML 95.06
X9 ML 87.38
X2 ML 86.88
X5 ML 86.57
X4 CL 80.83
X1 ML 77.65
X8 ML 67.64
X7 CL 60.51
Figura 29.
Curva de Granulometría, Estimación: [‘Xi’], Profundidad: [6] m
Leyenda:
id SUCS 0.075mm
(%)
X4 CL-ML 71.63
X7 CL-ML 66.08
X1 CL-ML 56.25
X5 SM 42.51
X8 SM 37.35
X2 SM 30.60
X6 SP-SM 7.42
X9 SP-SM 6.01
X3 SP 0.00
Figura 30.
Perfil Estratigráfico, Estimación: [‘Xi’], Profundidad: [1-6]m
Figura 31.
Mapa de Zonificación, Parámetro: [‘SUCS’], Profundidad: [1] m
Figura 32.
Mapas de Zonificación, Parámetro: [‘SUCS’], Profundidad: [1-6] m
Profundidad: [2] m.
Profundidad: [1] m.
Figura 33.
Mapas geológicos de América del Sur y Santa Cruz.
A)
B)
Nota. A) Mapa geológico de América del Sur. – B) Mapa geológico de Santa Cruz.
Adaptado de Gómez, J., Schobbenhaus, C. & Montes, N.E., compilers. 2019. Geological Map of South
America 2019. Commission for the Geological Map of the World (CGMW), Colombian Geological Survey
and Geological Survey of Brazil. Paris.
63
10.3 Metodología
● Base de Datos Relacional: Se puede utilizar una base de datos relacional para
organizar y gestionar los datos geotécnicos. Este enfoque permite establecer relaciones
entre diferentes conjuntos de datos, lo que facilita la búsqueda y la consulta de
información específica.
La creación de una plataforma en línea es esencial para que los usuarios puedan
acceder y utilizar eficazmente el (SRG). Esta plataforma debe ser diseñada de manera que
facilite la búsqueda, visualización y descarga de datos. A continuación, se describen las
principales características que deben incluirse:
● Acceso a Datos: Los usuarios deben poder acceder fácilmente a los datos geotécnicos
específicos que necesitan. La plataforma debe ofrecer una función de búsqueda que
permita a los usuarios buscar datos por ubicación, tipo de suelo, profundidad u otras
categorías relevantes. Además, se deben establecer permisos de acceso para garantizar
que los usuarios solo puedan acceder a la información autorizada.
especialmente útiles para mostrar la distribución espacial de las propiedades del suelo.
Esto facilita la identificación de patrones y tendencias.
● Descarga de Datos: Para permitir un mayor análisis y uso de los datos, la plataforma
debe permitir a los usuarios descargar datos en diferentes formatos. El formato CSV es
ampliamente aceptado y permite que los datos se utilicen en diversas aplicaciones y
herramientas de análisis.
Capacitación y soporte técnico para garantizar que los usuarios puedan utilizar
eficazmente el sistema y resolver cualquier problema que puedan encontrar. Estas son las
áreas clave a considerar:
Soporte Técnico: Debe existir un mecanismo de soporte técnico que permita a los
usuarios resolver cualquier problema que puedan encontrar al utilizar la plataforma.
11 CONCLUSIONES Y RECOMENDACIONES
11.1 Conclusiones
11.2 Recomendaciones
12 OPINIÓN PERSONAL
13 REFERENCIAS BIBLIOGRÁFICAS
Caputo, Homero Pinto. (s.f.). – Mecânica dos solos e suas aplicações – (6a ed., Vol. 1).
Moya, Rufino., & Saravia, Gregorio. (s.f.). – Probabilidad e Inferencia Estadística – (2a ed).
71
14 ANEXOS