Ir al contenido principal

Destacados

Cálculo de los criterios de falla Hoek-Brown con python.

En este post, aplicaré el cálculo de los criterios de falla de Hoek-Brawn usando python. Los afloramientos rocosos  no están formados solo por un gran bloque de roca intacta. Por lo general es un conjunto de bloques separados por fracturas y discontinuidades. Estas discontinuidades, cambian el comportamiento mecánico y la respuesta de la roca a las tensiones.  Es por esto que en 1980 se introdujo el criterio de Hoek-Brown para proporcionar información fiable en el diseño de excavaciones subterráneas. El criterio ha evolucionado, sufriendo actualizaciones, la ultima en 2018 incluye: roca intacta y discontinuidades como juntas (caracterizadas por el indice de resistencia geológica-GSI), en un sistema diseñado para para estimar el comportamiento mecánico de túneles, taludes y cimentaciones.  El criterio no lineal de Hoek-Brawn para macizos rocosos es ampliamente aceptado en el mundo se aplica a michos proyectos. 

Welcome to GAIA ML

GAIA ML comes as a  result of an effort by the authors to spread  knowledge  related to Machine Learning and the great number of posibilities for its application in the resolution of geoscience-oriented  large data  problems. And as the name implies, in GAIA (Geological Artificial Intelligence and Applications) we devote ourselves to popularize the use of new informatic technologies in the various fields of geoscience through a bilingual platform in order to reach the wider audience of geoscience and machine learning scholars and enthusiasts as possible, and present to them, some of the most recent advances , emphasizing their application to solve common problems in this field of study, such as: the adoption of  Machine Learning algorithms in the processing of satellital imagery for mineral exploration and  the development of computational tools for geostatistical analysis.
Feel free to share your thoughts, experiences and feedback! Don´t forget to share, so we can make our community grow.

GAIA ML es el resultado del esfuerzo de los autores de esparcir conocimiento relacionado al Machine Learning y su gran número de posibilidades para su aplicación en la resolución de problemas de gran cantidad de datos relacionados a las geociencias. Y como sus siglas en inglés implican, en  GAIA ( Inteligencia Artificial Geológica y Aplicaciones) nos dedicamos a hacer popular el uso de nuevas herramientas informáticas en los diversos campos de las geociencias a través de una plataforma bilingüe, para poder alcanzar la mayor audiencia posible de estudiosos y entusiastas de las geociencias y el Machine Learning,  y así presentarles algunos de los avances más recientes, haciendo énfasis en su aplicación para resolver problemas comunes en este campo de estudio, tales como: la adopción de algoritmos de Machine Learning en el procesamiento de imágenes satelitales para exploración mineral y el desarrollo de  herramientas computacionales para análisis estadístico.
¡Siéntete libre de compartir tus opiniones, experiencias y comentarios! No olvides compartir para poder hacer crecer nuestra comunidad.

Comentarios

Entradas populares