Diseño de un modelo dinámico con redes neuronales artificiales para predecir la resistencia a la compresión del concreto

• Autor: Chingay Gonzales, Gary Angelo
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/7392
• Enlace del recurso: https://hdl.handle.net/20.500.12802/7392
• Nivel de acceso: acceso abierto
• Materia: Concreto; Resistencia a la compresión; Redes neuronales artificiales; Matlab; Propiedades de agregados; Diseño de mezcla; http://purl.org/pe-repo/ocde/ford#2.01.01

En la presente tesis de investigación se diseña un modelo de inteligencia artificial basado en redes neuronales artificiales, que permite pronosticar o estimar la resistencia que ofrece el concreto ante los esfuerzos de compresión ( ´ ). El proceso de investigación consistió en un inicio en conformar una base de datos, constituida por diseños de mezclas (propiedades físicas de los agregados y cantidades de materiales por m3 ) y resistencias a la compresión de testigos de concreto ensayadas según la norma NTP 339.034, estos datos se obtuvieron de tesis de titulación de ingeniería civil, publicadas en el repositorio y biblioteca de la universidad Señor de Sipán y universidad Cesar Vallejo Chiclayo. Posteriormente, se efectuó el procesamiento de datos para la elaboración del modelo de red neuronal artificial en el software Matlab, el cual está conformado por 20 variables de entrada (resistencia de diseño, tipo de cemento ,tamaño máximo nominal del agregado grueso, módulo de fineza del agregado fino y grueso, peso unitario suelto del agregado fino y grueso, peso unitario compactado del agregado fino y grueso, peso específico del agregado fino y grueso, contenido de humedad del agregado fino y grueso, Absorción del agregado fino y grueso, cantidad de cemento, cantidad agua, cantidad de agregado fino, cantidad de agregado grueso, edad de curado de probetas) y una variable de salida (resistencia a la compresión del concreto). En la etapa de entrenamiento se propusieron 10 modelos, la metodología utilizada es la propagación hacia atrás y el algoritmo empleado es el de Levenberg Marquardt, el cual tiene como objetivo minimizar el error cuadrático medio (MSE). Se escogió el modelo de red neuronal con el mayor R2 . Finalmente, para la etapa de simulación del modelo de red neuronal artificialse han elaborado 48 probetas de concreto, las cuales sirvieron para comparar los resultados del ensayo en la máquina de compresión, con los resultados del modelo de red neuronal propuesto, por medio del coeficiente de determinación se llega a concluir que el uso de redes neuronales artificiales es un procedimiento valido para la predicción de la resistencia a la compresión del concreto.