Evaluación de la vulnerabilidad sísmica de edificaciones mediante métodos experimentales, computacionales y teóricos: Una revisión sistemática
DOI:
https://doi.org/10.37787/5jdqbj35Palabras clave:
Evaluación de vulnerabilidad, mampostería, métodos experimentales, métodos computacionales, métodos teóricosResumen
La vulnerabilidad sísmica de las edificaciones es un factor crítico en la gestión del riesgo de desastres, especialmente en zonas de alta sismicidad como la provincia de Jaén (Perú). Esta revisión sistemática tuvo como objetivo determinar el nivel de vulnerabilidad (bajo, medio, alto) reportado por métodos experimentales, computacionales y teóricos en 31 estudios publicados entre 2021 y 2026. Los métodos experimentales reportaron vulnerabilidad muy alta en mampostería no reforzada, alta en hormigón armado deficiente y muros de corte con falla fuera del plano. Los computacionales clasificaron vulnerabilidad alta para edificios pre‑código (anteriores a 1985) y media para los de código moderno, con precisiones superiores al 99% usando redes neuronales. Los teóricos cuantificaron PGA de colapso entre 0.15g y 0.86g, con vulnerabilidad alta para puentes de pilas altas y mampostería no reforzada, y media para hormigón armado bien diseñado. Los tres enfoques convergen en que edificaciones antiguas, hormigón armado deficiente y mampostería no reforzada presentan vulnerabilidad media a alta. Se concluye que la mayoría de las tipologías evaluadas tienen vulnerabilidad media‑alta, destacando la mampostería no reforzada como la más crítica. Los métodos híbridos se perfilan como la vía más prometedora para evaluaciones precisas y contextualizadas en Jaén.
Referencias
Akar, F., Işık, E., Avcil, F., Büyüksaraç, A., Arkan, E., & İzol, R. (2024). Geotechnical and Structural Damages Caused by the 2023 Kahramanmaraş Earthquakes in Gölbaşı (Adıyaman). Applied Sciences, 14(5), 2165. https://doi.org/10.3390/app14052165
Aloisio, A., Santis, Y. D., Irti, F., Pasca, D. P., Scimia, L., & Fragiacomo, M. (2024). Machine learning predictions of code-based seismic vulnerability for reinforced concrete and masonry buildings: Insights from a 300-building database. Engineering Structures, 301, 117295. https://doi.org/10.1016/j.engstruct.2023.117295
Bingjian, W., Tianyun, L., & Shizhi, C. (2025). Multilevel Seismic Damage Quantification for Inclined RC Piers: Integrating Fiber‐Based Simulation and Machine Learning Prediction. Advances in Civil Engineering, 2025(1), 5565794. https://doi.org/10.1155/adce/5565794
Chen, X., Xiang, N., Guan, Z., & Li, J. (2022). Seismic vulnerability assessment of tall pier bridges under mainshock-aftershock-like earthquake sequences using vector-valued intensity measure. Engineering Structures, 253, 113732. https://doi.org/10.1016/j.engstruct.2021.113732
Cheng, Y., He, H., Sun, H., & Cheng, S. (2023). Experimental study and mechanism analysis of out-of-plane seismic performance of reinforced concrete shear walls. Journal of Building Engineering, 80, 108058. https://doi.org/10.1016/j.jobe.2023.108058
Díaz García, G., & Farfán Córdova, M. (2025). Application of MASW, Microtremor, and Seismic Refraction Tests for Buildings in Vulnerable Communities. Buildings, 15(7), 1079. https://doi.org/10.3390/buildings15071079
Doğan, A., Başeğmez, M., & Aydın, C. C. (2025). Assessment of the seismic vulnerability in an urban area with the integration of machine learning methods and GIS. Natural Hazards, 121(8), 9613-9652. https://doi.org/10.1007/s11069-025-07185-4
Durán Sánchez, F. A., & Durán Sánchez, C. A. (2024). Evaluación de vulnerabilidad sísmica en edificio municipal de Shushufindi según normativa y parámetros oficiales: Seismic vulnerability assessment of Shushufindi municipal building according to regulations and official parameters. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(2). https://doi.org/10.56712/latam.v5i2.1976
Ferranti, G., Greco, A., Pluchino, A., Rapisarda, A., & Scibilia, A. (2024). Seismic vulnerability assessment at an urban scale: A machine learning approach. Buildings, 14(2), 309. https://doi.org/10.3390/buildings14020309
Ferretti, F., Mazzotti, C., & Savoia, M. (2024). Seismic Vulnerability Assessment of Masonry and RC Building Stocks: A Simplified Methodology. Buildings, 14(9), 2890. https://doi.org/10.3390/buildings14092890
Fornasari, S. F. (2024). Development of machine learning approaches for real-time ground-shaking maps reconstruction [Tesis de doctorado, Università degli Studi di Trieste]. ArTS - Archivio della ricerca di Trieste. https://hdl.handle.net/11368/3071820
Ghaseminia, S. M., Zahra, T., Eslamnia, H., Thamboo, J., Derakhshan, H., & Thambiratnam, D. P. (2025). Development of seismic fragility functions for close-spaced reinforced masonry shear walls. Journal of Building Engineering, 103, 112107. https://doi.org/10.1016/j.jobe.2025.112107
Harirchian, E., & Novelli, V. I. (2025). Leveraging Transformer Models for Seismic Fragility Assessment of Non-Engineered Masonry Structures in Malawi. Infrastructures, 10(11), 279. https://doi.org/10.3390/infrastructures10110279
Jahuin Bonifacio, D. (2024). Estimación de la vulnerabilidad sísmica en un pabellón universitario con sistema aporticado aplicando el método de redes neuronales artificiales, Ayacucho 2024 [Tesis de maestría, Universidad Privada de Tacna]. Repositorio Institucional de la UPT. https://hdl.handle.net/20.500.12969/3972
Liguori, F. S., Fiore, S., Perelli, F. L., De Gregorio, D., Zuccaro, G., & Madeo, A. (2023). A mechanical-based seismic vulnerability assessment method with an application to masonry structures in Cosenza (Italy). Bulletin of Earthquake Engineering, 21(12), 5655-5681. https://doi.org/10.1007/s10518-023-01752-5
Marín Millán, H. R. (2024). Análisis de vulnerabilidad sísmica de edificaciones residenciales de pórticos regulares, construidas en zonas de piedemonte en la ciudad de Bogotá de acuerdo con la NSR-10 [Tesis de maestría, Universidad Nacional de Ingeniería, Managua, Nicaragua]. Repositorio Institucional de la Universidad Nacional de Ingeniería. http://ribuni.uni.edu.ni/id/eprint/6537
Miura, H., Gonzales, C., Diaz, M., Estrada, M., Lazares, F., Aguilar, Z., Pan, D., & Matsuoka, M. (2023). Assessment of Site Amplification Factors in Southern Lima, Peru Based on Microtremor H/V Spectral Ratios and Deep Neural Network. Journal of Disaster Research, 18(4), 298-307. https://doi.org/10.20965/jdr.2023.p0298
Mori, F., Mendicelli, A., Falcone, G., Acunzo, G., Spacagna, R. L., Naso, G., & Moscatelli, M. (2022). Ground motion prediction maps using seismic-microzonation data and machine learning. Natural Hazards and Earth System Sciences, 22(3), 947-966. https://doi.org/10.5194/nhess-22-947-2022
Muksin, U., Riana, E., Rudiyanto, A., Bauer, K., Simanjuntak, A. V. H., & Weber, M. (2023). Neural network based classification of rock properties and seismic vulnerability. Global Journal of Environmental Science and Management, 9(1). https://doi.org/10.22034/gjesm.2023.01.02
Qadri, S. M. T., & Malik, O. A. (2021). Establishing site response-based micro-zonation by applying machine learning techniques on ambient noise data: A case study from Northern Potwar Region, Pakistan. Environmental Earth Sciences, 80(2), 53. https://doi.org/10.1007/s12665-020-09322-7
Rajkumari, S., Thakkar, K., & Goyal, H. (2022). Fragility analysis of structures subjected to seismic excitation: A state-of-the-art review. Structures, 40, 303-316. https://doi.org/10.1016/j.istruc.2022.04.023
Ramírez Eudave, R., Rodrigues, D., Ferreira, T. M., & Vicente, R. (2023). Implementing Open-Source Information Systems for Assessing and Managing the Seismic Vulnerability of Historical Constructions. Buildings, 13(2), 540. https://doi.org/10.3390/buildings13020540
Sánchez Calvillo, A., Ortega Heras, J., & Alonso Guzman, E. M. (2025). Seismic Vulnerability Assessment of Mexican Vernacular Adobe Buildings: Application and Comparison of Different Methods. International Journal of Architectural Heritage, 19(11), 2897-2918. https://doi.org/10.1080/15583058.2025.2471407
Shekhar, S., Freddi, F., Ghosh, J., Lad, D., & Chelapramkandy, R. (2024). Corrosion-induced failure mode alterations and implications on seismic fragility of RC frames. 24(3), 947-966. https://discovery.ucl.ac.uk/id/eprint/10195579
Skalomenos, K., Chen, D., Lin, X., & Morfidis, K. (2025). Physics-based seismic vulnerability assessment of aging building stocks at city scale. Bulletin of Earthquake Engineering, 23(11), 4391-4428. https://doi.org/10.1007/s10518-025-02210-0
Suhaiza Sauti, N., Effendi Daud, M., Kaamin, M., & Sahat, S. (2021). GIS spatial modelling for seismic risk assessment based on exposure, resilience, and capacity indicators to seismic hazard: A case study of Pahang, Malaysia. Geomatics, Natural Hazards and Risk, 12(1), 1948-1972. https://doi.org/10.1080/19475705.2021.1947903
Sulca Huaman, J., & Delgadillo Ayala, R. M. (2022). Evaluación del riesgo sísmico de edificaciones mediante funciones de vulnerabilidad en la ciudad de Ayacucho – Perú. TECNIA, 32(2), 21-35. https://doi.org/10.21754/tecnia.v32i2.1377
Wang, X., Wang, Z., Wang, J., Miao, P., Dang, H., & Li, Z. (2023). Machine learning based ground motion site amplification prediction. Frontiers in Earth Science, 11, 1053085. https://doi.org/10.3389/feart.2023.1053085
Wu, Z., Lu, X., Li, L., Bao, H., Lu, Z., & Yu, K. (2023). Seismic performance of full-scale self-centering reinforced concrete beam-column joints: Experimental, numerical and theoretical analysis. Journal of Building Engineering, 78, 107683. https://doi.org/10.1016/j.jobe.2023.107683
Yadim, Y., Yılmaz, S., Kaplan, H., Corradi, M., & Castori, G. (2026). Seismic vulnerability of deficient RC buildings: Insights from the February 6, 2023, turkey earthquake. Procedia Structural Integrity, 78, 1895-1902. https://doi.org/10.1016/j.prostr.2025.12.241
Zhang, P., Yin, Z.-Y., & Jin, Y.-F. (2022). Machine Learning-Based Modelling of Soil Properties for Geotechnical Design: Review, Tool Development and Comparison. Archives of Computational Methods in Engineering, 29(2), 1229-1245. https://doi.org/10.1007/s11831-021-09615-5
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista Científica Pakamuros
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
