RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publication
Tesis doctoral (DoctoralThesis)
Multi-Criteria Optimization for Sustainable Design of Post-Tensioned Concrete Slab Bridges Using Metamodels
[ES] Esta tesis utiliza técnicas de modelización sustitutiva para optimizar los costes económicos y medioambientales en puentes losa de hormigón postesado hormigonado in situ. El objetivo principal es desarrollar una metodología sistemática que permita optimizar el diseño de puentes, reduciendo los costes, las emisiones de CO2 y la energía necesaria para construir este tipo de puentes sin comprometer la viabilidad estructural. El marco de optimización propuesto consta de dos fases secuenciales: la primera se centra en ampliar el espacio de búsqueda y la segunda intensifica la búsqueda de soluciones óptimas. El metamodelo basado en Kriging realiza una optimización heurística que da como resultado un diseño con emisiones de CO2 significativamente menores que los diseños convencionales. El estudio revela que una relación de esbeltez de aproximadamente 1/30 arroja resultados óptimos, ya que se reduce el consumo de material y se mantiene la integridad estructural. Además, el aumento de la armadura pasiva compensa la reducción de hormigón y armadura activa, resultando un diseño más sostenible. Además, se identifica una compensación entre costes y emisiones que muestra que un modesto aumento de los costes de construcción (menos del 1 %) puede reducir sustancialmente las emisiones de CO¿ (más del 2 %), lo que demuestra que el diseño de puentes sostenibles puede ser económicamente viable. La investigación explora la optimización de la energía incorporada en la construcción anuladas mediante el uso de muestreo por hipercubo latino y optimización basada en Kriging. La metodología permite identificar los parámetros críticos de diseño para mejorar la eficiencia energética. Aunque en el estudio se emplearon Kriging y redes neuronales artificiales (RNA), Kriging demostró ser más eficaz. Esto manifiesta la eficacia de los modelos sustitutos a la hora de orientar las decisiones de diseño sostenible. En el contexto de la optimización de costes, el estudio demuestra el potencial del modelado sustitutivo combinado con la simulación del recocido. Los resultados muestran que el método de optimización basado en Kriging conduce a una reducción de costes del 6,54 %, principalmente mediante la minimización del uso de materiales, manteniendo la integridad estructural y la capacidad de servicio del puente.
El estudio también evalúa la forma de optimizar las emisiones de CO2. Se identifican los parámetros óptimos de diseño, como grados de hormigón entre C-35 y C-40 MPa, profundidades del tablero entre 1,10 y 1,30 m, y anchuras de base entre 3,20 y 3,80 m. La RNA mostró las predicciones más precisas entre los modelos predictivos analizados, con los errores medios absolutos y cuadrados medios más bajos. Estos resultados subrayan la importancia de seleccionar el modelo predictivo adecuado para optimizar las emisiones de CO2 en el diseño de puentes y destacan el valor de utilizar modelos sustitutivos para mejorar la sostenibilidad.
Por último, la investigación integra la toma de decisiones multicriterio con la optimización basada en Kriging para evaluar y optimizar los diseños de puentes en relación con objetivos económicos, medioambientales y estructurales. Este enfoque permite evaluar exhaustivamente las alternativas de diseño al tener en cuenta las compensaciones entre coste, impacto ambiental y rendimiento estructural.
En conclusión, esta tesis demuestra que el modelado sustitutivo, que utiliza explícitamente el Kriging y redes neuronales artificiales, es un enfoque práctico para optimizar las dimensiones medioambiental y económica del diseño de puentes. El marco de optimización en dos fases que aquí se presenta proporciona una metodología eficiente desde el punto de vista computacional que permite identificar soluciones de diseño óptimas y sostenibles que cumplen las restricciones estructurales y económicas. Los resultados sugieren que la metodología es aplicable a proyectos de infraestructuras a gran escala y sentarán las bases para futuras investigaciones., [CA] Esta tesi utilitza tècniques de modelització substitutiva per a optimitzar els costos econòmics i mediambientals en ponts llosa de formigó posttesat formigonat in situ. L'objectiu principal d'esta investigació és desenrotllar una metodologia sistemàtica que permeta optimitzar el disseny de ponts, reduint els costos, les emissions de CO2 i l'energia necessària per a construir este tipus de ponts sense comprometre la viabilitat estructural o econòmica. El marc d'optimització proposat consta de dos fases seqüencials: la primera se centra en ampliar l'espai de busca i la segona intensifica la busca de solucions òptimes. El metamodel basat en Kriging realitza una optimització heurística que dona com a resultat un disseny amb emissions de CO2 significativament menors que els dissenys convencionals. L'estudi revela que una relació d'esveltesa d'aproximadament 1/30 llança resultats òptims, ja que es reduïx el consum de material i es manté la integritat estructural. A més, l'augment de l'armadura passiva compensa la reducció de formigó i armadura activa, resultant un disseny més sostenible. Amés, s'identifica una compensació entre costos i emissions que mostra que un modest augment dels costos de construcció (menys del 1%) pot reduir substancialment les emissions de CO¿ (més del 2%), la qual cosa demostra que el disseny de ponts sostenibles pot ser econòmicament viable. La investigació explora l'optimització de l'energia incorporada en la construcció anul·lades mitjançant l'ús de mostreig per hipercubo llatí i optimització basada en Kriging. La metodologia permet identificar els paràmetres crítics de disseny per a millorar l'eficiència energètica. Encara que en l'estudi es van emprar Kriging i xarxes neuronals artificials (RNA), Kriging va demostrar ser més eficaç. Això posa de manifest l'eficàcia dels models substituts a l'hora d'orientar les decisions de disseny sostenible. En el context de l'optimització de costos, l'estudi demostra el potencial del modelatge substitutiu combinat amb la simulació de la recuita. Els resultats mostren que el mètode d'optimització basat en Kriging conduïx a una reducció de costos del 6,54%, principalment mitjançant la minimització de l'ús de materials, mantenint la integritat estructural i la capacitat de servici del pont. L'estudi també avalua la manera d'optimitzar les emissions de CO2. S'identifiquen els paràmetres òptims de disseny, com a graus de formigó entre C-35 i C-40 MPa, profunditats del tauler entre 1,10 i 1,30 m, i amplàries de base entre 3,20 i 3,80 m. L'RNA va mostrar les prediccions més precises entre els models predictius analitzats, amb els errors mitjans absoluts i quadrats mitjans més baixos. Estos resultats subratllen la importància de seleccionar el model predictiu adequat per a optimitzar les emissions de CO2 en el disseny de ponts i destaquen el valor d'utilitzar models substitutius per a millorar la sostenibilitat. Finalment, la investigació integra la presa de decisions multicriteri amb l'optimització basada en Kriging per a avaluar i optimitzar els dissenys de ponts en relació amb objectius econòmics, mediambientals i estructurals. Este enfoqui permet avaluar exhaustivament les alternatives de disseny en tindre en compte les compensacions entre cost, impacte ambiental i rendiment estructural. En conclusió, esta tesi demostra que el modelatge substitutiu, que utilitza explícitament el Kriging i xarxes neuronals artificials, és un enfocament pràctic per a optimitzar les dimensions mediambiental i econòmica del disseny de ponts. El marc d'optimització en dos fases que ací es presenta proporciona una metodologia eficient des del punt de vista computacional que permet identificar solucions de disseny òptimes i sostenibles que complixen les restriccions estructurals i econòmiques. Els resultats suggerixen que la metodologia és aplicable a projectes d'infraestructures a gran escala i establiran les bases per a futures investigacions., [EN] This thesis uses surrogate modeling techniques to optimize economic and environmental costs in post-tensioned cast-in-place concrete slab bridges. The primary objective of this research is to develop a systematic methodology that enables the optimization of bridge designs, reducing costs, CO2 emissions, and energy required to build this type of bridge without compromising structural or economic feasibility. The proposed optimization framework consists of two sequential phases: the first phase focuses on diversifying the search space, and the second phase intensifies the search for optimal solutions. The Kriging-based metamodel performs a heuristic optimization that results in a design with significantly lower CO2 emissions than conventional designs. The study reveals that a slenderness ratio of approximately 1/30 yields optimal results, reducing material consumption while maintaining structural integrity. Additionally, increased passive reinforcement compensates for concrete and active reinforcement reductions, leading to a more sustainable design. Furthermore, a cost-emissions trade-off is identified, showing that a modest increase in construction costs (less than 1%) can substantially reduce CO2 emissions (more than 2%), demonstrating that sustainable bridge design can be economically viable. The research explores the optimization of embodied energy in constructing, employing Latin Hypercube Sampling and Kriging-based optimization. The methodology identifies critical design parameters to improve energy efficiency. While Kriging and artificial neural networks (ANNs) were employed in the study, the Kriging model proved to be more efficient. This highlights the effectiveness of surrogate modeling in guiding sustainable design decisions, even when the models do not offer perfectly accurate absolute predictions. In the context of cost optimization, the study demonstrates the potential of surrogate modeling combined with simulated annealing. The results show that the Kriging-based optimization method leads to a 6.54% reduction in costs, primarily by minimizing material usage while maintaining the structural integrity and serviceability of the bridge. The study also assesses the optimization of CO2 emissions. Optimal design parameters, such as concrete grades between C-35 and C-40 MPa, deck depths ranging from 1.10 to 1.30 meters, and base widths between 3.20 to 3.80 meters, are identified. The ANNs demonstrated the most accurate predictions among the predictive models analyzed, providing the lowest mean absolute error and root mean square error. These findings underscore the importance of selecting the appropriate predictive model to optimize CO2 emissions in bridge design and highlight the value of using surrogate models to enhance sustainability. Lastly, the research integrates multi-criteria decision-making with Kriging-based optimization to evaluate and optimize bridge designs concerning economic, environmental, and structural objectives. This approach allows for a more comprehensive evaluation of design alternatives by considering the trade-offs between cost, environmental impact, and structural performance. In conclusion, this thesis demonstrates that surrogate modeling, explicitly using Kriging and artificial neural networks, is a practical approach for optimizing bridge design's environmental and economic dimensions. The two-phase optimization framework presented here provides a computationally efficient methodology that identifies optimal, sustainable design solutions that meet structural and economic constraints. The findings suggest that the methodology applies to large-scale infrastructure projects and provides a solid foundation for further research., I gratefully acknowledge the funding received from the following research projects: Grant PID2023-150003OB-100 funded by MCIN/AEI/10.13039/501100011033 and the European Regional Development Fund (ERDF), a program of the European Union (EU).