Estimación de la vulnerabilidad sísmica en un pabellón universitario con sistema aporticado aplicando el método de redes neuronales artificiales, Ayacucho 2024

• Autor: Jahuin Bonifacio, Daysy
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Privada de Tacna
• Repositorio: UPT-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upt.edu.pe:20.500.12969/3972
• Enlace del recurso: http://hdl.handle.net/20.500.12969/3972
• Nivel de acceso: acceso abierto
• Materia: Vulnerabilidad sísmica; Redes neuronales; Diseño estructural; Python; http://purl.org/pe-repo/ocde/ford#2.01.04

Este estudio tiene como objetivo optimizar la evaluación de la vulnerabilidad sísmica de estructuras aporticadas en pabellones universitarios utilizando redes neuronales. Se busca estimar la vulnerabilidad de pabellones en Ayacucho, validar la metodología comparando con métodos tradicionales y mejorar la precisión de los resultados con redes neuronales. La investigación se desarrolla mediante el análisis dinámico no lineal de las estructuras, aproximando las respuestas con redes neuronales. Los datos estructurales fueron recolectados a través de visitas de campo y cotejados con expedientes técnicos. Adicionalmente, se emplearon simulaciones de Monte Carlo para generar combinaciones de variables y calcular la probabilidad de falla, obteniendo así curvas de vulnerabilidad. Los resultados indican que las redes neuronales permiten una estimación más precisa de la vulnerabilidad sísmica, superando en un 30% la precisión de los métodos convencionales. Además, el modelo facilita una mejor visualización de los datos y proporciona información valiosa para la evaluación de riesgos. Se obtuvieron predicciones de vulnerabilidad para diferentes pabellones, mejorando el análisis estructural y la planificación sísmica. En conclusión, la implementación de redes neuronales mejora la evaluación sísmica, ofreciendo una herramienta eficiente para optimizar la seguridad de las edificaciones. Esta metodología no solo aumenta la precisión en la predicción de vulnerabilidad, sino que también contribuye a la toma de decisiones informadas en el diseño y reforzamiento de estructuras. Se recomienda aplicar este enfoque en más edificaciones para seguir perfeccionando el modelo.