Redes neuronales artificiales en la estimación de la resistencia a la compresión del concreto para la Provincia de Huancayo

• Autor: Olivera Mayorca, Francis Dante
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Nacional del Centro del Perú
• Repositorio: UNCP - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uncp.edu.pe:20.500.12894/6139
• Enlace del recurso: http://hdl.handle.net/20.500.12894/6139
• Nivel de acceso: acceso abierto
• Materia: Red neuronal artificial; Algoritmo; Estimación; Concreto; Resistencia a la compresión

Mediante el presente trabajo de investigación se elaboró un modelo de Redes Neuronales Artificiales (RNA) el cual nos permitió crear un modelo de inteligencia artificial (perceptrón multicapa) que nos permitió predecir la resistencia al esfuerzo de compresión del concreto, elaborando de ésta manera una base de datos, que mediante el procesamiento de una hoja de cálculo es capaz de predecir la evolución de la resistencia (% - kg/cm2) de un concreto de baja, media y alta resistencia a cualquier edad de vida y bajo un ambiente que posea un variado registro de temperaturas medias ambientales. Mediante el trabajo de investigación podremos observar la evolución de resistencia de concretos entre (140 - 510) kg/cm2 (incorporando de esta manera concretos de baja, mediana y alta resistencia), trabajando con 11 diseños de mezcla (esto para poder abarcar todo el rango propuesto y así poder observar de una manera más eficaz la evolución del concreto). Por cada diseño de mezcla se contó con 14 edades de control, roturando 5 probetas por cada día, esto porque se busca precisión con el trabajo de investigación superando de manera holgada la recomendación de dispersión de la NTP 339.034. La base de datos que se obtuvo se elaboró mediante la recolección de información de la rotura de 946 probetas de 4”x8”, entre un grupo de 770 probetas curadas bajo NTP 339.033 a (23+-2) °C mediante el uso de un termostato y otro grupo de 176 probetas curadas a condiciones normales (15+-2) °C, esto para poder obtener el reconocimiento del f´c para una probeta curada en nuestra provincia de Huancayo. El entrenamiento de la RNA se realizó con el algoritmo MLPRegressor que mediante el software de lenguaje de programación Python se simulo el perceptrón multicapa capaz de entrenar a la RNA dándole la capacidad de aprender.