You are on page 1of 14

Campos-Muñoz, D., Ramos-Cañón, A. y Prada-Sarmiento, L. (2017).

Evaluación probabilística de
licuación en arenas de la ciudad de Piura en Perú. Obras y Proyectos 22, 61-74

Evaluación probabilística de licuación en arenas de la ciudad de Piura en Perú
Probabilistic evaluation of sands liquefaction in Piura city in Peru
Fecha de entrega: 27 de febrero 2017
Fecha de aceptación: 30 de agosto 2017

Denisse Dianet Campos-Muñoz1, Alfonso Mariano Ramos-Cañón1 y Luis
Felipe Prada-Sarmiento2
1
Instituto Geofísico, Pontificia Universidad Javeriana, Carrera 7 No. 42 – 27, piso 7, Edificio Lorenzo Uribe, Bogotá, Colombia,
denisse_campos@javeriana.edu.co, a-ramos@javeriana.edu.co
2
Departamento de Ingeniería Civil, Pontificia Universidad Javeriana, Carrera 7 No. 40 – 62, Edificio 42, Bogotá, Colombia,
lf.pradas@javeriana.edu.co

El método de Seed et al. (1985) es uno de los métodos A method to estimate liquefaction is the one proposed
utilizados para el cálculo de licuación y depende de la relación by Seed et al. (1985). This method depends on the cyclic
de esfuerzos cíclicos resistentes CRR y actuantes CSR para resistance ratio CRR and the cyclic shear stress ratio
obtener el margen de seguridad. Con mucha frecuencia, CSR to calculate the safety margin. Frequently, this
esta medida de seguridad se supone como determinística y measure of safety is assumed deterministic and it is
no considera la incertidumbre de las solicitaciones y de las not contemplated the uncertainty of the seismic loads
propiedades resistentes del suelo. Los trabajos que se han and soils resistance properties. When the probabilistic
desarrollado desde una perspectiva probabilística suponen approach is implemented, often, probability density
funciones de densidad de probabilidad para CRR y CSR, y distribution functions for CRR, CSR and coefficients of
coeficientes de variación para las propiedades del suelo variation of the soils properties are assumed by some
reportados en la literatura de zonas diferentes a las del caso de authors. This paper presents a procedure applied to
aplicación. Este trabajo presenta un procedimiento aplicado the city of Piura in Peru that includes the uncertainty
a la ciudad de Piura en Perú que incluye la incertidumbre of all random variables for liquefaction calculations.
de todas las variables aleatorias involucradas en el cálculo The information obtained from the area of study
de licuación obtenidos de datos de la zona de estudio, provides sufficient data to develop a complete analysis
ofreciendo un análisis de incertidumbre completo. El análisis of uncertainty. In order to perform the probabilistic
probabilístico utiliza los métodos de FORM y simulaciones analysis, it was used the FORM and Monte Carlo
de Montecarlo. La probabilidad de licuación máxima es de methods. The maximum liquefaction probability is 9.5%
9.5% y se obtiene que el valor de N del SPT y nivel freático and the random variables with more influence in the
son las variables que más influyen en la probabilidad de result for high uncertainty and functional form in the
licuación por su alta incertidumbre y la forma funcional en el safety margin are N of the SPT and ground water level.
margen de seguridad.
Keywords: liquefaction probability, Taylor’s series,
Palabras clave: probabilidad de licuación, series de Taylor, Monte Carlo simulations
simulaciones de Monte Carlo

Introducción 25 km2, el nivel freático es alto y sube con la ocurrencia
Piura se encuentra ubicada en la zona conocida como de este fenómeno provocando inundaciones. El
el cinturón de fuego y es una de las ciudades más suelo se caracteriza por poseer arenas pobremente
atacadas por el Fenómeno El Niño (ver Figura 1). La gradadas SP y arenas limosas SM. Estas condiciones
extensión de la zona de estudio es de aproximadamente facilitan la ocurrencia de procesos de licuación ante

61

Campos-Muñoz. la medida de los métodos más usados para calcular la probabilidad seguridad de la posibilidad de licuación (factor de de licuación y los aplican a zonas de edificios de seguridad o margen de seguridad) utilizada en el estudio de televisión de Nepal. Andrus y Stokoe II. NASEM Seed et al. Pinto.. Las evaluaciones de posibilidad de licuación tienen incorporado el diseño basado en confiabilidad que se han realizado en Piura (Ascencio. La metodología propuesta en 1998) consideran la situación más crítica sin tomar este documento hace un acercamiento desde el cálculo en cuenta la convolución de distintos escenarios de licuación de suelos como aplicación práctica. 2012.5. Dada la naturaleza empírica del procedimiento propuesto por Seed et al. achurada 1999). 2006). Las ecuaciones y gráficos propuestos en la metodología de Seed et al. A. China y América como producto de eventos sísmicos. 2000. Al realizar el análisis probabilístico en esta zona se concluyó que para un factor de seguridad de 1. Colombia. un análisis específico de la variabilidad de las N del SPT y densidad seca obtenidos de la literatura fuerzas actuantes (solicitación) y de las propiedades técnica. D. sino que presenta variabilidad. de la parte estructural. La norma NSR (2010) recomienda el debido a la mayor variabilidad de los parámetros del uso de métodos determinísticos o probabilísticos suelo que las características del sismo. en cuenta la incertidumbre en los análisis de licuación Idriss y Boulanger. Los resultados arrojaron que las zonas licuables no se podían distinguir de las no licuables a través de una línea claramente demarcada.. existen códigos como el o resistentes en el cálculo de licuación depende de la 62 . la Figura 1: Ubicación de la ciudad de Piura y zona de estudio probabilidad de licuación es de 1% (Juang et al. (1985) se observa un nivel de incertidumbre inherente en su aplicación. Menezes et al. Además. 1998. (2017). La norma MVCS probabilidad de licuación por los métodos de series de (2006) recomienda la metodología determinística Taylor. (1985) parten de una serie de eventos de licuación y no licuación ocurridos en Japón. Ellos usan coeficientes diseño considera un valor determinístico sin realizar de variación de la aceleración y magnitud del sismo. reconocidos internacionalmente para el cálculo de se sabe que la variabilidad de los parámetros actuantes licuación. ensayo utilizado en distintos países latinoamericanos como Perú. Brasil y Chile (Yanez et al. Sin embargo. L. Ecuador. estimación puntual y simulación de Montecarlo de Seed et al. EHE (1998) y ROM (2005) que ya 2011). 61-74 la materialización de la amenaza sísmica (Hurtado. alimentados por la variabilidad de los parámetros El método de cálculo de licuación propuesto por actuantes y resistentes en el suelo. Obras y Proyectos 22. (2016) menciona explícitamente la necesidad de tener Robertson y Wride. Jha y Suzuki (2008) hacen una recopilación de En muchos países latinoamericanos.. 2015. (1985) ha sido ampliamente usado (e. que dependen de N del SPT.g. Los autores establecen que el resultado de la mecánicas del suelo (resistencia). Por otro lado. Un ejemplo es su aplicación en el sismo de Loma Prieta ocurrido en 1989 que causó problemas de licuación en la bahía de Monterrey en California. Ramos-Cañón. sino que es una franja y que el factor de seguridad para un análisis de licuación no es un único valor. (1985) para la obtención del factor presenta una mayor dependencia del CRR que del CSR de seguridad. 2006) porque propone funciones que se realizan con base en la resistencia del suelo.. Eurocode (2005). y Prada-Sarmiento.

. no supone funciones de distribución de probabilidad Estudios posteriores prefieren ajustar los eventos para el CSR (Boulanger e Idriss. sino que involucra la variabilidad tales como regresiones logísticas y mapeos bayesianos de los esfuerzos cíclicos resistentes y actuantes propios y relacionar la probabilidad de licuación con valores de la zona. porque hereda las características de series de Taylor y simulaciones de Montecarlo. 2003). distinta manera utilizando herramientas estadísticas Juang et al. 2002). La metodología para obtener la función de y normal. sin considerar la variabilidad epistémica de N del SPT.. se utilizan los métodos teorema de Bayes. respectivamente. (2017). de la función de desempeño que ya ha sido estudiada Al graficar los resultados por ambos métodos. suponen que la relación de esfuerzos cíclicos actuantes que presenta una distribución de probabilidad de tipo y resistentes son funciones de distribución lognormal lognormal. Boulanger utilizó el método de series de Taylor para estimar la e Idriss (2012) desarrollan un análisis probabilístico y probabilidad de licuación del margen de seguridad. qc del CPT y velocidades de corte Vs. la probabilidad de licuación considerando que la Esta propuesta se diferencia de lo reportado porque relación CSR es constante en la zona de estudio. De la misma manera. sólo obtienen la variabilidad licuación en la ciudad de Piura.. Evaluación probabilística de licuación en arenas de la ciudad de Piura en Perú. y Prada-Sarmiento. Obras y Proyectos 22. 1999). se por Hwang et al. profundidad del nivel freático. del método determinístico y permite la fácil obtención Se determina la probabilidad de licuación por metro del factor de seguridad a partir de la probabilidad de profundidad para diferentes perforaciones y se de licuación y viceversa (Juang et al. Hwang et al. Gutiérrez et al. de tipo lognormal para la relación CSR y CRR a partir de una ley de atenuación empírica en una 63 . Estas variables son de la relación CRR basado en coeficientes de variación los valores del número de golpes N del ensayo SPT. La desviación estándar probabilidad del CRR sólo considera los eventos de de las funciones se obtiene a partir de coeficientes de licuación y no licuación de la zona y no desarrolla la variación de sólo dos variables que son la aceleración incertidumbre de las variables del suelo que participan de sismo y el N del SPT reportados en la literatura. (2004) y Boulanger e Idriss (2012). y el presente estudio no llega parámetros geotécnicos que intervienen en el cálculo a evaluar hasta esa profundidad. el porcentaje of Reclamation dams. La probabilidad de del factor de seguridad que es calculado de manera licuación obtenida en cada exploración se interpola determinística. A. L. la estimados de datos de presas de United States Bureau densidad. Se de la zona de análisis. Ramos-Cañón. en los procesos de licuación. la aceleración método de series de Taylor simplificado para calcular máxima inducida por sismo y magnitud del sismo. 61-74 zona de estudio y el uso de coeficientes de variación zona de Taiwan y datos de eventos de licuación y no de la literatura no son necesariamente representativos licuación generados por el sismo de Chi – Chi. recomienda usar el mapeo bayesiano. Asimismo. 2012) ni coeficientes de licuación y no licuación registrados en Japón de de variación para obtener el CRR (Jha y Suzuki.Campos-Muñoz.. como una función análisis probabilístico de amenaza por licuación probabilística obtenida del estudio estadístico de las debido a que la incertidumbre epistémica es más variables involucradas y propias de la zona de estudio baja que la incertidumbre de las variables sísmicas sin considerar la profundidad de análisis debido a y de caracterización del sitio. (2004) usando la técnica de distancia inversa ponderada IDW obtuvieron funciones de densidad de probabilidad y se visualiza en el mapa de la ciudad de Piura. 2008. Dicho trabajo concluye que la caracterización de El presente trabajo propone un procedimiento para la amenaza sísmica y de los parámetros del suelo la caracterización del margen de seguridad en el son componentes muy importantes para cualquier cálculo de licuación en arenas. D. Estas identifica la variable que tiene mayor influencia herramientas no consideran la incertidumbre de las en la incertidumbre del cálculo de probabilidad de variables por separado. (2003) que su influencia en el coeficiente de reducción de realizan un análisis de confiabilidad al usar la esfuerzo rd es mayor a profundidades superiores a 10 m metodología de Seed y estudian la variabilidad de los (Gutiérrez et al. basado en el Para el análisis probabilístico. En este trabajo utilizan el de finos del suelo eólico de Piura.

La evaluación consiste en analizar las relaciones de esfuerzos cíclicos que resisten los suelos donde se supone ocurrirá el donde FC es el contenido de finos y N1 60= sismo y se comparan con la relación de esfuerzos NCNCECRCSCB corresponde al número de golpes/pie cíclicos que generan los sismos. magnitud del sismo M. satisface: ficie amax. amax es la 1986). Las razones por las que se considera variables aleatorias son: a) r a una misma profundidad presenta variabilidad espacial. Esta relación está en función del en (6) son la densidad seca del suelo r. el cual decrece de 1 hasta 0. Obras y Proyectos 22. (1985) y se del suelo granular. método de muestreo y diámetro de la perforación.5 es el factor de corrección por presión de donde sv es el esfuerzo vertical total del suelo y s’v es confinamiento en suelos granulares (Liao y Whitman.9 para 10 m de profundidad (Seed e Idriss. Youd et al. valor de N del SPT y contenido de finos FC.. disminuye con el incremento del dad que a su vez genera la infiltración de agua.. b) zw depende El grado de drenaje durante la ejecución del ensayo de directamente de los niveles de precipitación de la ciu- penetración SPT. g es la aceleración de seguridad en función de todas las variables aleatorias. (2001) recomienda que el factor de escala MSF se calcule en función de la magnitud del sismo M como: Caracterización de la incertidumbre de las variables aleatorias del Margen de Seguridad de licuación MS La relación CRR expresa la capacidad del suelo para Las variables aleatorias del margen de seguridad MS resistir licuación. La relación CSR se normalizado a una presión de confinamiento de 100 define como el esfuerzo cortante máximo generado kPa aproximadamente y una energía de martillo de por el sismo entre el esfuerzo efectivo vertical de una 60%. Para compensar este efecto se recomienda aumentar el N El cálculo del potencial de licuación se realiza del SPT a medida que aumenta el contenido de finos utilizando la metodología de Seed et al. L. aceleración máxima en la super- menores a 30 golpes/pie. Ramos-Cañón. por lo que el N medido subestima en la superficie depende de la magnitud del sismo. longitud de varillaje. A. la 64 . la gravedad y rd = 1 – 0. D. se evi- dencia en los datos utilizados en el presente trabajo y en la literatura (Jones et al. (2017). el valor de N1 60cs considera define el margen de seguridad MS con: un factor de corrección por contenido de finos dado MS = CRR – CSR (1) por: donde CRR es la relación de resistencia cíclica que presenta el suelo y CSR es la relación de esfuerzos cíclicos impuestos por un sismo. es decir. el esfuerzo vertical efectivo del suelo. Al incluir todas las variables aleatorias en (1) aceleración horizontal máxima en la superficie del se obtiene la expresión que corresponde al margen de terreno generada por un sismo. 2002).01z es un factor de corrección de esfuerzo por profundidad. los cuales se consideran constantes (Youd et al. donde CECRCSCB son los factores de corrección columna de suelo. donde z es la profundidad de análisis en metros. profundidad número de golpes N del SPT y para valores de N del nivel freático zw. 2001). y Prada-Sarmiento. 1971). c) amax contenido de finos.. 61-74 Determinación del potencial de licuación la resistencia a la licuación en arenas limosas. por energía del martillo. CN = (pa/s’v)0.Campos-Muñoz.

5 y la pie hasta los 4 m de profundidad. y se acota con los parámetros cia en los datos utilizados en el presente trabajo y en a y b que corresponden al límite inferior y superior. 2003) y FC porque respectivamente. la literatura (Baecher y Christian.03 Coeficiente de variación 0. 1978. que generó perforaciones es el valor esperado y se supone que grietas con aberturas de hasta 30 cm y saltos de 25 cm el coeficiente de variación del nivel freático es igual y la formación de volcanes de arena entre 0. Hurtado.70 0. La función beta esta definida por las la granulometría de las arenas a una misma profundi.45 Benioff. D. mayor. r 3.Smirnov. Obras y Proyectos 22. se obtuvieron del Instituto con base en la característica desértica de la zona y Geofísico del Perú IGP y USGS en el período de 1970 en los depósitos de arena que van desde muy sueltos – 2015.30 0. de excedencia típicas obtenidas en evaluaciones de tan variabilidad para cada evento sísmico y además amenaza sísmica (Gamarra. los focos suelen ser superficiales y conforme a 4.64 0. 2015). arenas con densidad relativa menor presentan mayores lo cual permite obtener una probabilidad de licuación permeabilidades. M y amax se asumen como variables independientes. La magnitud del sismo utilizada en el análisis a medios con valores de N menores a 20 golpes/ es magnitud momento Mw que varía de 4 a 6. 2011). y los hipocentros han estado a menos de 120 km de profundidad. 1912 y 1970. d) M es diferente para cada evento sísmico pueden adecuar con sólo variar los parámetros q y r y además existe una probabilidad de ocurrencia para que son una medida de la asimetría y kurtosis de las estos eventos. g Kolmogorov . Esta suposición se realiza al departamento de Piura.01 a 0. anual en la ciudad suponiendo que el aumento del nivel de agua sólo depende de la infiltración de agua Los datos para caracterizar M y amax correspondientes de lluvia (SGC. y Prada-Sarmiento.04 localizado entre 5 km y 183 km. la mayoría de los sismos ocurridos han sido superficiales. siguientes expresiones: dad es distinta y se evidencia en los datos utilizados en el presente trabajo y en el trabajo de Gutiérrez et al. considerando un nivel de q 0. A. La función beta obtenida para la aceleración sísmica es compatible con las curvas de probabilidad La variabilidad de la precipitación anual se caracterizó 65 . que permite la aceleración varía de 0.6 y 1 m de al coeficiente de variación de la precipitacion diaria diámetro (Silgado. 61-74 distancia epicentral y el hipocentro. Existe Para determinar los momentos estadísticos de zw.50 En las áreas costeras. MS tiene 6 variables aleatorias cuya incertidumbre debe ser caracterizada por medio de sus momentos estadísticos y de sus funciones de densidad de probabilidad.34 0.00 se avanza hacia el continente pasan a ser intermedios y Estadísticos profundos. Esta afirmación se basa en se ajustaron a funciones de distribución beta y los los resultados de Puga (2012) que encontró a través parámetros de las funciones se muestran en la Tabla de ensayos de permeámetro de carga constante que 1.07 1.03 en la costa piurana en las últimas décadas se han Desviación estándar 0. Los epicentros de los temblores ocurridos Promedio 4. las cuales presen.44g. Evaluación probabilística de licuación en arenas de la ciudad de Piura en Perú. se evidencia de licuación de suelos en la ciudad de Piura considera que el nivel encontrado en cada una de las por los sismos de 1857. ambas variables infiltración rápida de agua. Ramos-Cañón. funciones generadas.Campos-Muñoz.80 11.50 0. (2003). Cada variable se ajustó a funciones Tabla 1: Parámetros de la función y estadísticos para M y a max de densidad de probabilidad utilizando la prueba Parámetros de la función M amax . La función de existe una probabilidad de ocurrencia para estos distribución beta es muy versátil porque los datos se eventos. por estar más cerca de la zona de b 6. (2017). L. 2009).. e) N posee incertidumbre y se eviden.80 confiabilidad de 95%.

815 todos los datos de precipitación anual se obtiene Estadísticos un coeficiente de variación de 259 %.95 68. Se observa que a partir de 5 m de profundidad.54 70. cuyo perfil estratigráfico presenta arenas pobremente gradadas SP y arenas limosas SM en 4 m o más de La distribución de probabilidad lognormal es profundidad. Para el método de simulaciones de Montecarlo se utilizó una distribución de probabilidad lognormal Figura 2: Precipitación anual registrado por la estación Radar con l de acuerdo a (10) para cada perforación y x de UdeP en los años 1971 a 2015. Obras y Proyectos 22. mm Niño. la ecuación de media y desviación estándar de todos los datos. (2017). La desviación estándar de la variable zw se obtiene a partir del coeficiente de variación de la precipitación anual para el escenario sin fenómeno El Niño. Ramos-Cañón. L. (1985). 0.2015) en la estación del Radar Universidad de Piura.Campos-Muñoz. Los datos de N se definieron por estrictamente positiva y con el aumento de la profundidad y corresponden a un tipo de suelo desviación estándar aumenta la asimetría. Para caracterizar los momentos estadísticos y Los datos de precipitación anual de años sin fenómeno determinar la función de distribución de probabilidad El Niño se ajustaron a una distribución lognormal y de la variable aleatoria N del ensayo SPT. En la Tabla 2 se presentan los parámetros Universidad de Piura entre los años 1983 y 2010 y de la función y estadísticos de los datos. 61-74 con el registro de períodos lluviosos de 45 años (1971 Tabla 2: Parámetros de la función y estadísticos para la .815.59 0. La función obtenido con un mismo equipo. precipitación anual ubicada en el nor occidente de la ciudad.. mm Radar de la Universidad de Piura y se observa que los Distribución x años 1983 y 1998 fueron los de mayor precipitación lognormal Distribución anual. y Prada-Sarmiento. donde COV es el coeficiente de variación.74 separaron los datos de los años de fenómeno El Niño Desviación 399. CRR no aplica porque estos suelos no presentan problemas de licuación. Al analizar x 0. se los datos de años con fenómeno El Niño se ajustaron recopilaron datos de 64 exploraciones SPT que ocupan a una distribución normal. porque es el que tiene mayor frecuencia de ocurrencia en la ventana de tiempo analizada en la ciudad de Piura (45 años). por lo que se Promedio 154. ambos ajustes cumplen un área de 25 km2 de la ciudad de Piura. A. D. En la Figura Parámetros de la Precipitación con fenómeno años El Precipitación años sin fenómeno El 2 se presenta la precipitación anual en la estación del función Niño.74 estándar de los datos de años sin este fenómeno y se obtuvó Coeficiente de 2.927 caída de puentes en la zona del río Piura. 66 . los valores de N de SPT son mayores a 30 golpes/pie y de acuerdo a la donde los parámetros l y x están en función de la metodología de Seed et al. En la Tabla 3 de está dada por la siguiente expresión: presentan los datos de N ajustados a funciones de densidad de probabilidad lognormal y beta.972 las funciones de probabilidad que se ajustan a ambos variación escenarios por separado. Estos son los años en los que se presentó el normal x fenómeno El Niño y que produjo inundaciones y la l 3. realizadas por con un nivel de confiabilidad de 95% de acuerdo a la el Laboratorio de ensayos de materiales de la prueba K-S.

19 1.70 2.11 1. La COV de hasta 31.13 2.97 2.23 0.8 de variación 0.28 2. de variación Los valores encontrados en la ciudad de Piura se encuentran dentro de lo reportado en la literatura y se Tabla 5.84 3.01 2.03 0. Estos valores se ajustaron a funciones variación de probabilidad lognormal y beta con los parámetros indicados en la Tabla 4.04 0.22 0.55 3.68 0.26 0.002 0.55 l 0.49 0.53 2. se recopilaron datos de ensayos de Función de distribución de 1 m 2 m 3 m 4 m 5 m 6 m 7 m 8 m granulometría de 43 muestras de las exploraciones probabilidad SPT obtenidas a cada metro de profundidad. de 1m 2m 3m 4m 5m 6m 7m 8m b 100 probabilidad a 16 Distribución x x x x x x x lognormal l 2.54 0.09 9.SW y entre 5 y 10% reportada por Gutiérrez et al.16 0.41 0. (2003) reportan COV de 6% para la finos FC es de 60%.02 0.82 1.19 1.36 12. El coeficiente de variación para el contenido de Gutiérrez et al.5%.58 2.54 0.51 0.05 40 y 45% y Kulhawy y Trautman (1996) reportan Desviación 0.75 1.77 8.21 0.05 0.1 estándar r 3. (2002) que presentan para la densidad seca de materiales SM – ML.06 0.41 0. y procedimiento dado que corresponde a un solo tipo Parámetros de 1 m 2 m 3 m 4 m 5 m 6 m 7 m 8 m la función de suelo.04 0.73 3.99 3.11 3. D.24 0.57 0. Ramos-Cañón.26 0.29 función de densidad de probabilidad de la variable Estadísticos aleatoria densidad seca r.02 0. A. (2017). Para la variable aleatoria de contenido N del SPT por profundidad de finos FC.01 1.001 0.50 0.49 0. L.04 0.02 1.65 0.21 0.70 0.02 2.70 0. l 1.01 del equipo.03 0.05 0.03 de ensayos de densidad de las muestras de las Desviación 2.15 0.35 estándar exploraciones tipo SPT obtenidas a cada metro de Coeficiente de 0. Evaluación probabilística de licuación en arenas de la ciudad de Piura en Perú.31 0.40 0.18 1.60 0.0001 las capas superficiales y van disminuyendo con la Estadísticos profundidad.65 3.94 1.001 0. Harr (1984) reportan COV de N entre Promedio 1..16 beta Parámetros Estadísticos de la Promedio 11 15 19 25 33 45 52 66 función Desviación q 2 5.001 0.66 0.11 2.05 0.45 0.04 1.08 0. y Prada-Sarmiento.67 3. Esto se debe a que las arenas de densidad seca de los materiales SP y SM de la ciudad Piura son de origen aluvial y eólico. se recopilaron datos Promedio 3.18 0.41 3.14 4.2 Coeficiente b 1.03 0.03 0. Los datos Distribución lognormal x x x x x x x se ajustaron a funciones de probabilidad lognormal Distribución x con los parámetros indicados en la Tabla 5. Parámetros de la función y estadísticos para el contenido asocia principalmente a la incertidumbre del equipo de finos por profundidad. beta Parámetros de Tabla 4: Parámetros de la función y estadísticos para la densidad la función por profundidad q 3 Función de r 4 distrib.Campos-Muñoz.52 0.58 profundidad. Obras y Proyectos 22.89 1.2 14.73 3.33 a 1.49 0.56 0.65 1.87 Distribución x x 0.72 Los coeficientes de variación de N son mayores en x 0.23 1.91 1.001 0.29 0. lo anterior genera de Piura presenta incertidumbres reflejada en COV que los depósitos aluviales tengan lentes de limos 67 .6 22.7 18 21. variabilidad que es mayor a la densidad seca de materiales SP .25 Para caracterizar los momentos estadísticos y la x 0. procedimiento y variabilidad natural.001 0. 61-74 Tabla 3: Parámetros de la función y estadísticos para el valor de menores al 6%.16 1.22 0.01 estándar valores entre 14 y 100% considerando la variabilidad Coeficiente 0.

Obras y Proyectos 22. realizando el experimento un número suficiente primer orden segundo momento o también conocido de veces. Conociendo Método de primer orden segundo momento la distribución de probabilidad de las variables aleatorias de la función de desempeño. Se obtuvo convergencia de los momentos estadísticos del margen de seguridad para 100000 simulaciones como se observa en la Figura 3.. se muestrean – Series de Taylor aleatoriamente valores de estas variables aleatorias. mzw. el número de simulaciones realizadas. Esta probabilidad de licuación es anual debido a que La ecuación (12) presenta la multiplicación de la la incertidumbre de a . y Este método describe la media. El proceso estándar de una función como los primeros términos previamente explicado se repite un número de veces de una expansión de la serie de Taylor. A. aleatoria). la en las variables aleatorias de la función. una mejor aproximación de la función de densidad suponiendo que las variables son independientes de probabilidad resultante cuando se incrementan entre sí. 61-74 muy delgados mientras que los depósitos eólicos no derivada parcial. determinando la función de desempeño como series de Taylor y simulaciones de Montecarlo.Campos-Muñoz. Esta convergencia se evalúa altas también lo son y pueden ignorarse. 2011). Dicha disparidad en el origen las variables. debido a que se consigue desempeño con respecto a la variable aleatoria. Arevalo et al. Ramos-Cañón. Los métodos usados en este trabajo son evento. mr.. 2011. 68 . Se supone que suficientemente grande para conseguir la convergencia (xi – mxi) de cada variable aleatoria son pequeños (xi es de la distribución de probabilidad de la función de la variable aleatoria y mxi es la esperanza de la variable desempeño (Hidalgo y Pacheco. mFC) (11) La aplicación del Método Monte Carlo es eficiente cuando se cuenta con las herramientas La varianza del margen de seguridad Var[MS] se computacionales para efectuar grandes volúmenes obtiene con la derivada parcial de la función de de cálculos numéricos. El número de derivadas parciales del de formación de los depósitos se refleja en la mayor margen de seguridad corresponden a la cantidad de variabilidad del contenido de finos. mN. variables aleatorias. Este método cual indica la probabilidad de licuación en la zona plantea conocer la probabilidad de ocurrencia de un de estudio. (2017). evaluada en los valores medios de suelen presentar finos. Probabilidad de licuación El cálculo de probabilidad de licuación se realizó por el método de series de Taylor y simulaciones de Monte Carlo en las 64 perforaciones de la ciudad de Piura. mM.Simulaciones de Monte Carlo bre El método de Monte Carlo permite determinar la Los métodos para análisis de confiabilidad permiten distribución probabilística de la función de desempeño la obtención del índice de confiabilidad y probabilidad mediante la generación de números aleatorios basado de falla del margen de seguridad definido con (6). Métodos para propagación de incertidum. L.. M y precipitación se realizó max varianza de cada variable aleatoria y el cuadrado de la por año en una ventana temporal desde 1970 a 2015. como una distribución probabilística de los resultados obtenidos en los experimentos realizados. que la variación de estos sea mínima. y Prada-Sarmiento. Prada et al. varianza y desviación se evalúa determinísticamente la función. D. por lo que los cuadrados y potencias más 2014. La esperanza en el primer y segundo momento estadístico para del margen de seguridad E[MS] se obtiene evaluando obtener la cantidad de simulaciones requeridas para el valor medio de cada variable aleatoria en (6). E[MS] ≈ MS(mamax.

059 46. r y FC. Evaluación probabilística de licuación en arenas de la ciudad de Piura en Perú.008 0. La incertidumbre dada por la función de desempeño se puede cuantificar con el valor de estas derivadas y las variables de mayor influencia en la incertidumbre de la función de desempeño siguen el siguiente orden: amax.36 0.000 2 0.05 0. y de acuerdo a los estadísticos de N en la zona se puede aplicar (4) hasta 4 m de profundidad. % M.000 3 0.021 0.016 5. Este resultado se debe a que las variables que intervienen en el cálculo del CRR son zw. a m max .001 50. que incluye las dos variables más influyentes.032 0. % r. 9428008.83 0. A... Tabla 6: Porcentaje de influencia de las variables aleatorias en la incertidumbre de MS Prof.165 13.000 86.88 0. La ecuación para obtener CRR es útil para valores de N menores a 30 golpes/pie. Obras y Proyectos 22.000 54.003 b) 4 0. se obtiene la varianza de cada componente y se analiza con respecto a la suma de varianzas y los resultados indican que el CRR presenta mayor incertidumbre en la probabilidad de licuación que el CSR (ver Figura 4). rd. zw y N.19 0.00 latitud sur y 540100 longitud este. (2017). y Prada-Sarmiento. El método de series de Taylor requiere del cálculo de las derivadas parciales de MS con respecto a cada variable aleatoria usando (12).002 Para conocer la influencia de los componentes CSR y CRR en MS. % 1 0.002 94. D.76 0. N. por lo que se obtiene la probabilidad de licuación hasta esa profundidad. por lo que la incertidumbre del CRR A manera de ejemplo se presenta el procedimiento es la más influyente en el cálculo de licuación de la para una perforación ubicada en las coordenadas ciudad de Piura. % zw.00 0. que tiene sólo una variable influyente.3% a Figura 3: Número de simulaciones de Monte Carlo para a) la 1 m de profundidad y disminuye hasta 0. este último es el más influyente en un 94% a 1 m de profundidad y a 4 m de profundidad ambas variables son igualmente influyentes con un 50% para zw y 49% para el N.01% a 4 m probabilidad de licuación y b) su coeficiente de variación de profundidad. 61-74 a) con respecto a la varianza del MS. amax. mientras que para el cálculo de CSR interviene zw. % N.006 0. % FC. Para determinar la variable más influyente en la desviación estándar del margen de seguridad se analiza cada término de la Figura 4: Variación de la influencia de la incertidumbre del CRR sumatoria presentada en (12) y se obtiene su relación y CSR en MS de la licuación en profundidad 69 . L.47 0.Campos-Muñoz. Los resultados se presentan en la Tabla 6 e indica que las variables más influyentes son N y zw.015 49. El CSR posee una influencia de 3. M y r. Ramos-Cañón.

Se realizaron 100000 simulaciones de Monte Carlo a cada profundidad.Campos-Muñoz. sin requerir los coeficientes de variación reportados en la literatura. (2017). D. el histograma de frecuencias del margen de seguridad y la probabilidad de licuación es parecida a la obtenida por el método de simulaciones de Monte Carlo. Ramos-Cañón. asociada a la precipitación en la zona. Obras y Proyectos 22.. A. La variabilidad del CRR encontrada en la ciudad de Piura se debe en gran medida a la incertidumbre de zw. Se puede observar que al suponer que el margen de seguridad tiene una distribución lognormal en el método de series de Taylor. L. tomado de la literatura para diferentes tipos de suelos. 70 . 61-74 Jha y Suzuki (2008) encontraron que la incertidumbre del CRR es mayor al CSR en ciudades como Nepal. es mayor a los coeficientes de M y amax del sismo. Singhdurbar y Kathmandu debido a que el coeficiente de variación de N. se realizó un código de programación para la generación de números aleatorios de las distintas distribuciones a las que se aproximan las 6 variables aleatorias de la función de desempeño. La Figura 5 presenta la integración de la incertidumbre de las variables que generan procesos de licuación en la ciudad de Piura hasta 4 m de profundidad. El análisis estadístico de las variables del sismo y del suelo en la ciudad de Piura permite que el cálculo de la probabilidad de licuación integre la incertidumbre propia de la zona de todas las variables actuantes y resistentes que intervienen en el margen de seguridad. número a partir del cual la probabilidad de licuación y coeficiente de variación del margen de seguridad convergen. y Prada-Sarmiento. y al N que está relacionado con el suelo. equipo y procedimiento del ensayo SPT. La máxima diferencia presentada es de 3% a 1 m y 4 m de profundidad debido a que la función lognormal y el histograma de frecuencias obtenido por Monte Carlo poseen momentos estadísticos de cuarto orden diferentes. se obtiene el índice de confiabilidad y la probabilidad de licuación hasta 4 m de profundidad en la perforación. Suponiendo que MS de licuación de suelos en la ciudad de Piura se caracteriza por una distribución lognormal. Al comparar los resultados por el método de series de Taylor y simulación de Monte Carlo se observa que la probabilidad de licuación disminuye con la profundidad. Para las simulaciones de Monte Carlo.

L.4%. D. Si se compara la diferencia de probabilidad de distintas profundidades licuación obtenida con la diferencia encontrada en son iguales a (2) y (4) y el ejemplo de aplicación los resultados del trabajo de Jha y Suzuki (2008). se ha utilizado depósitos aluviales están compuestos de limos los datos de la ciudad de Piura en la metodología arenosos y arena pobremente gradada con lentes de propuesta por Gutiérrez et al. el cuaternario reciente profundidad y en ciertas zonas se mantiene o aumenta de Piura está constituido por depósitos aluviales a 4 m de profundidad debido a que la incertidumbre extendidos por las márgenes. y Prada-Sarmiento. terrazas y zonas aledañas de N es mayor a esa profundidad registrándose valores al río Piura y depósitos eólicos de mayor extensión de N desde 5 hasta 60 golpes/pie (arenas sueltas y lejos del curso actual del río (Campos. Las expresiones lo constituye el actual cauce del río Piura y el otro que utilizaron los autores para obtener el CRR y CSR es un antiguo lecho del río (paleocauce . En Piura existen dos grandes cursos aluviales el método de series de Taylor simplificado y supone de recorrido aproximadamente paralelo.1. Los arenas densas).5 %. (2003) la técnica de distancia inversa ponderada IDW. Evaluación probabilística de licuación en arenas de la ciudad de Piura en Perú. 61-74 Figura 5: a) Histogramas de frecuencias del MS y b) probabilidad de licuación por profundidad A 1 m de profundidad la curtosis es mayor por el método de series de Taylor y a 4 m de profundidad la curtosis es mayor por el método de simulaciones de Monte Figura 6: Probabilidad de licuación en la ciudad de Piura para Carlo.. La probabilidad de licuación máxima usando las funciones de probabilidad del margen de seguridad los datos de Piura en el método de series de Taylor obtenidas a distintas profundidades. en el que se observó que el por simulaciones de Monte Carlo.Figura 6) 71 . la cual utiliza limos. (2017). Uno de ellos una distribución lognormal del MS. disminuye con la De acuerdo a la geología local. 2011). Dado que el ejemplo de Gutiérrez et al.5% Para visualizar la probabilidad de licuación en la obtenido en este trabajo por simulaciones de Monte ciudad de Piura se realizó una interpolación usando Carlo. se observa que la probabilidad de licuación máxima es de 9. A. Obras y Proyectos 22. A manera de ejemplo. se espera que el Figura 6 se presenta el mapa de la ciudad de Piura con resultado sea parecido al obtenido por simulaciones los contornos de probabilidad de licuación obtenido de Monte Carlo en Piura. simplificado resulta ser 10. CRR presenta mayor influencia en la probabilidad de licuación que el CSR. se considera al CSR como determinista y con un valor puede indicar que es pequeña y se debe a la forma de de 0. De manera general. Ramos-Cañón. En la considera el CSR como determinista. valor cercano a 9.Campos-Muñoz. (2003).

involucra las dos variables más influyentes. se probabilidad del MS es lognormal la probabilidad de tiene en cuenta la totalidad de variables aleatorias licuación es parecida a la obtenida por simulaciones que dominan el proceso y la caracterización de la de Monte Carlo. 72 . la probabilidad de licuación anual estudios pasados. En superficie (1 y 2 m de profundidad) la en Piura son irregulares por su espesor variado. Se puede establecer que la variación de 49% a profundidades de 3 y 4 m. N. densidad seca rd cursos aluviales tienen predominancia de material y N del SPT son las variables más influyentes. Obras y Proyectos 22. ambas variables son igualmente arenas pobremente gradadas con un contenido de influyentes (4 m de profundidad). D. Las zonas situadas fuera de estos profundidad del nivel freático zw. su variabilidad es mayor reflejándose parámetros de la función. Al eólico y en general están ubicadas en el oeste de aplicar el método de series de Taylor se encuentra Piura.Campos-Muñoz. los autores suponen de de los sedimentos libremente. Pachitea. están compuestos de en profundidad. La incertidumbre de finos que varía de 0. Las funciones de distribución de en Piura disminuye con la profundidad quedando probabilidad obtenidas para las variables son distintas ciertas zonas en las que la probabilidad de licuación a las típicas funciones reportadas en la literatura se mantiene incluso a 4 m de profundidad debido a (distribución normal y lognormal). 2008). y N mayores a los de las variables M y amax del sismo se refleja en la incertidumbre de N que presenta una (Jha y Suzuki. componente CSR del margen de seguridad se puede considerar como determinístico en comparación con Conclusiones CRR para la zona de estudio. no habían sido contemplados simultáneamente en De manera general. Esto se debe a que las funciones de incertidumbre de dichas variables se realiza con base probabilidad de las variables son de tipo lognormal y en información de la zona de estudio. el cálculo del CRR Universidad de Piura y en zonas aún no urbanizadas. y Prada-Sarmiento. y al suponer que la distribución de anteriormente propuestos dado que por un lado. esta uno de los factores más influyentes en el margen de última es la más usada debido a que se puede adecuar seguridad. Si bien es cierto el valor de N aumenta con a cualquier registro de datos con sólo variar los la profundidad.. urbanización seguridad de licuación con respecto a cada variable Grau y 04 de enero y llega finalmente al anteriormente aleatoria e indica que la aceleración máxima amax. Dentro de la zona de la componente CRR es mayor que la de la componente depósitos se observa que las exploraciones ubicadas CSR debido a que hereda la variabilidad de zw. A. conocido Barrio Sur. La Figura 6 muestra que la probabilidad de que las variables de mayor influencia en la desviación licuación en la zona de Pachitea se mantiene con la estándar del margen de seguridad MS es N y zw. debido profundidad y se debe a que los valores de N son bajos a que presentan mayor magnitud en la combinación de y el perfil estratigráfico presenta arenas sueltas hasta 4 la incertidumbre en la zona de estudio y las derivadas m de profundidad. los depósitos eólicos parciales. Por otro lado. Esta la probabilidad de licuación es mayor y se mantiene característica es propia de Piura y aunque es similar a hasta la profundidad analizada debido a que los lo encontrado en otros estudios realizados en Nepal. Aspectos que beta (tipo exponencial). variable zw es más influyente y conforme se avanza compacidad y permeabilidad.2%. Este movimiento de antemano coeficientes de variación de la variable arenas es continuo y no permite su compactación.4 a 9. Las variables se la gran variabilidad que presenta la variable N que es ajustaron a distribuciones lognormales y betas. El método de series de El procedimiento presentado para la evaluación Taylor y simulaciones de Monte Carlo indican que probabilística de licuación para la ciudad de Piura en la probabilidad de licuación anual disminuye con Perú presenta ventajas con respecto a procedimientos la profundidad. 61-74 que se identifica superficialmente por constituir una La incertidumbre generada por la función de franja topográficamente baja (30 msnm) que atraviesa desempeño se mide con las derivadas del margen de la urbanización Santa Isabel. es decir. (2017). vientos en la zona permiten la erosión y depositación Singhdurbar y Kathmandu. rd en zonas descampadas dentro del campus de la y contenido de finos FC. L. Ramos-Cañón.

K. I. Report USGS Grant N° 02HQGR0058. North Carolina State University. (1984).5% y se mantiene hasta 4 m de profundidad en la que la variabilidad del Gutierrez. (2011). A Arévalo.. C. and Andrus. (2003). Rosowsky D. J. (2011). Instrucción de hormigón estructural. (2008). and Suzuki. Obras y Proyectos 22.. 21-30 Idriss. Duncan. European Engineering 128(7). E. para la evaluación del peligro sísmico y generación de espectros de peligro uniforme en el Perú. R.H. Las Harr. y Prada. Liang. Reliability analysis of soil statistics in geotechnical engineering. y Pacheco de Assis. Universidad Existe una zona conocida como Pachitea que presenta Nacional de Ingeniería.M. (2003). 69-78 Referencias Hurtado. K. Aplicación del SIG como procedures for evaluating liquefaction potential during herramienta para la prevención de riesgos geotécnicos en earthquakes. M. Universidad de Piura 26(2). D. Reliability and Jha.H.A.W. Ramos-Cañón. Henry Shaw Lecture.S. and Eddy. G. R. Guzlop Editoras. and Tang W.D.H.. Raleigh analizada y se debe al constante movimiento de los sedimentos ocasionado por el viento que no permiten Hidalgo Montoya. Reliability . and Arduino. J. John Wiley & Sons liquefaction based on standard penetration test. (2004). Tesis de grado. Design of Steel Structures..B.V. D.M.D. 61-74 un grado de compacidad de las arenas desde sueltas Gamarra Rivera. California: Campos Muñoz. Department of Civil licuación mayor que se mantiene hasta la profundidad Engineering. y Prada-Sarmiento.M. M. Journal of Geotechnical and Geoenvironmental Estimation of uncertainty in geotechnical properties for Engineering 138(10). E. Woods. la compactación del material y se refleja en una mayor Herramientas para análisis por confiabilidad en geotecnia: variabilidad del N en estas zonas. Madrid potential of soils.A. (2006).. N está relacionado con la geología de Piura que indica Development of a simplified reliability–based method for la existencia de un paleocauce paralelo al actual liquefaction evaluation. J. A. F. Journal of Geotechnical and Geoenviromental 1-1. Part evaluation. L. Tesis de grado. Centro Peruano Japonés resistance of soils from shear-wave velocity. L. P. S. R. D. Semi-empirical Ascencio Saavedra.H. (2017). G. procedure. (2014). (2002). A.T. Ramos-Cañón. 761-770 Discretos DEM. (2009). C. L. La teoría. Soil Dynamics and Earthquake Engineering la ciudad de Piura.W. R. Yang. (2012). and Juang.E. Reliability-based design in civil zonas descampadas presentan una probabilidad de engineering. (2012). Perú una probabilidad de licuación de 9.W. S.A. Evaluación probabilística de licuación en arenas de la ciudad de Piura en Perú. Obras y Proyectos 15. 1185-1195 performanced-based earthquake engineering. EHE (1998). Nuevas fuentes sismogénicas hasta densas a 4 m de profundidad. 684-689 73 . Journal of Geotechnical and Geoenviromental Engineering 125(8). Soil Dynamics and Earthquake almacenamiento mediante el Método de Elementos Engineering 24(9). 115-130 Baecher.D. (2000). C. Lima 1015-1025 Hwang. curso del río que cruza por esta zona caracterizada Virginia Polytechnic Institute and State University por tener un perfil estratigráfico de arenas sueltas. A. Computers Boulanger.based method for assessing liquefaction Ministerio de Fomento.Campos-Muñoz. and Idriss.. (1999).H. Breve historia del fenómeno de Andrus.L. I. T. Revista Ingenierías Universidad de Medellín 10(18). 589–596 standard penetration test–based liquefaction–triggering Jones. General Rules and Rules for Buildings.. Universidad de Piura probability–based methods for liquefaction potential Eurocode (2005). C. C. (2002). (2011). 580-589 Committee for Standardization. and Christian. Estudio de la variabilidad Pacific Earthquake Engineering Research Center del suelo de Piura a través del SPT para la valoración del Juang. Análisis practical reliability – based method for assessing soil de confiabilidad en un modelo de descarga de silos de liquefaction potential. Assessing FS. CISMID. and Stokoe II. Kramer. and Boulanger. Liquefaction licuación de suelos en el Perú. Brussels Juang C. Probabilistic and Geotechnics 36(4). Journal of de Investigaciones Sísmicas y Mitigación de Desastres Geotechnical and Geoenvironmental Engineering 126(11). A.

R. (1971). Historia de los sismos más assessment of earthquake-induced soil liquefaction and notables ocurridos en el Perú (1513-1974). G. and Trautmann. (2006). Ishihara. (1998). Arango. Evaluating cyclic Engineering 127(10). Obras y Proyectos 22. Guía metodológica para estudios de amenaza. Hynes... Liao.G. I. F.B. Guzlop Engineering. Castro. Marcuson III. R. 15th Congreso de Ingeniería Sísmica. Tesis de grado. J. Lima Press.5-05.J. L. Liquefaction resistance of soils: Puga. Perú Geológico Colombiano.. Martin. Servicio Construcción y Saneamiento. P.. (1996). Ministerio de Vivienda. 442-459 74 .. L.B. I. Menezes. 61-74 Kulhawy. vulnerabilidad y riesgo por movimientos en masa. L.R. Estudio experimental del coeficiente de summary report from the 1996 NCEER and 1998 NCEER/ permeabilidad en arenas. Journal of Geotechnical concrete piles in porous soils.. 1425-1445 MVCS (2006). R. Bogotá NASEM (2016). Washington..R. Normas Colombianas de Diseño y geotechnical properties in a case study of a large alluvial Construcción Sismo Resistente. D. A. (1978).D..E. W.V. Andrus.. T.F. Universidad de Piura G. Ramos-Cañón..M.L. DC Yanez.T. (2017). Instituto its consequences.. Tokimatsu. Simplified procedure Liao. and Medicine. Obras y Proyectos 9. Y. B.Campos-Muñoz. Exacta 4 (1). The National Academies Editoras. D. Universidad NSF workshops on evaluation of liquefaction resistance Católica de la Santísima Concepción.M. B. Koester. Confiabilidad aplicada al diseño geotécnico de un muro de Moriwaki.S. and Wride. (2011). R. P. and Idriss. D. y Prada-Sarmiento. Liam Finn. (1998). Harder. F. and da Rocha de (1985). 817-833 liquefaction potential using the cone penetration test. Overburden for evaluating soil liquefaction potential. State of the art and practice in the Silgado Ferro. the Geologic Environment: from theory to practice. contención. 1599-1606 Pinto Zegarra.E. L. (2001). Chile of soils. Buenos Aires. J. 1249-1273 Engineering 112(3). resistance evaluations. Asociación Colombiana soft soil improvement in Latin America.H.. and Correa. S. Conference on Uncertainty in marítimas y portuarias ROM 0. Idriss.. M. Geológico Minero y Metalúrgico INGEMMET. S. Madison. W. C. P. Colombia Panamericano de Mecánica de Suelos e Ingeniería Geotécnica.D... Power.S.. H. I. K. and Chung.K.. H. Recomendaciones geotécnicas para obras of in-situ test uncertainty. E. Prada. ensayos SPT.. (2012). Journal of Geotechnical Mechanics and Foundations Division 97(9). Analysis of uplift loads of precast.F.. Dobry. Reglamento Nacional de Edificaciones SGC (2015). Seed. de Carvalho.P. C. and Whitman. J. Estimation ROM (2005).. K. ASCE España GSP. (1986).H. The National Academies of Sciences. M.K. E. A.. Mitchell. Christian.. 373-377 Seed. K. 49-58 Stokoe II. Canadian Geotechnical Journal 35(3). Identificación de zonas con potencial de licuación de suelos en la ciudad de Piura con Youd. Bogotá. M.B.. y Caicedo. Journal of Soil correction factors for SPT in sand. P. Journal of Geotechnical and Geoenvironmental Robertson. C.. F. IOS Press. (2015).. Proyecto de título.050 Suelos y Cimentaciones. 191-200 Engineering 111(12). Solaque. 269–286 Seed.H. R.M. Harder. Ramos. E. Soft soil NSR (2010). Massad. Influence of SPT procedures in soil liquefaction Albuquerque.F.. Puertos del Estado..M. Robertson.K. S.