Pieralisi, RicardoCunha-Lofrano, FábioJansen-Mikami, RafaelBarreto-Sandoval, Gersson Fernando2026-09-082026-09-0820259780443217043https://doi.org/10.1016/B978-0-443-21704-3.00014-0https://repositorio.ucn.cl/handle/20.500.14729/10317A robust methodology for assessing and predicting permeability in pervious concrete is indispensable for the design of pervious concrete pavements, as well as for quality control and performance evaluation during construction and throughout the service life of the pavement. This chapter provides a comprehensive analysis of flow through porous media, permeability testing, and prediction models specific to pervious concrete. Literature findings reveal variations in hydraulic conductivity corresponding to changes in the hydraulic gradient, highlighting inaccuracies in applying Darcy's law. This study investigates discrepancies between permeability measurements conducted in the laboratory and those observed in the field, emphasizing the limitations of Darcy’s law and reflecting on alternative sources of potential inconsistency. Additionally, there is a gap in investigating nonlinear aspects of analytical, empirical, and numerical models for permeability prediction. In conclusion, this study underscores the potential of machine learning models to predict permeability and optimize pervious concrete mixture designs.Una metodología robusta para evaluar y predecir la permeabilidad del hormigón permeable es indispensable para el diseño de pavimentos de hormigón permeable, así como para el control de calidad y la evaluación de su desempeño durante la construcción y a lo largo de la vida útil del pavimento. Este capítulo presenta un análisis integral del flujo a través de medios porosos, los ensayos de permeabilidad y los modelos de predicción específicos para el hormigón permeable. Los hallazgos de la literatura muestran variaciones en la conductividad hidráulica asociadas a cambios en el gradiente hidráulico, lo que pone de manifiesto imprecisiones en la aplicación de la ley de Darcy. Se examinan las discrepancias entre las mediciones de permeabilidad realizadas en laboratorio y las observadas en terreno, destacando las limitaciones de la ley de Darcy y considerando otras posibles fuentes de inconsistencia. Asimismo, se identifica una brecha en el estudio de los aspectos no lineales de los modelos analíticos, empíricos y numéricos utilizados para predecir la permeabilidad. En conclusión, se destaca el potencial de los modelos de aprendizaje automático para predecir la permeabilidad y optimizar el diseño de mezclas de hormigón permeable.enpervious concretepermeabilitypredictionlaboratory and field testingnonlinear flowhormigón permeablepermeabilidadpredicciónensayos de laboratorio y en terrenoflujo no linealBook chapter