ANÁLISIS DE LA RESISTENCIA DEL CONCRETO MEDIANTE REDES NEURONALES HACIENDO USO DEL AGREGADO DE LA CANTERA SANTA ROSA HUANCAVELICA

• Autor: Gozanlez Gaspar, Cristhofer Jhonatan
• Formato: tesis de grado
• Fecha de Publicación: 2018
• Institución: Universidad Nacional de Huancavelica
• Repositorio: UNH-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unh.edu.pe:20.500.14597/2127
• Enlace del recurso: http://repositorio.unh.edu.pe/handle/UNH/2127
• Nivel de acceso: acceso abierto
• Materia: Esfuerzo a comprensiòn; Resistencia promedio; Concreto

Con la presente investigación se construye un modelo de inteligencia artificial (redes neuronales artificiales), que permita predecir la resistencia al esfuerzo de compresión axial del concreto (f´c). Para lograr el objetivo del proyecto de investigación se ha elaborado probetas de concreto, siendo 79 probetas con diferentes dosificaciones, ensayados a la primera, segunda y cuarta semana de curado, registrando resistencias al esfuerzo de compresión axial (f´c) entre 70 kg/cm2 y 390 kg/cm2. los procesos de elaboración, curado y rotura de probetas según lo especificado en la Norma E-060 (2009) y ASTM C-39, NTP 339.034.2008. Seguido de los ensayos de rotura, se realizó el procesamiento de datos para la construcción del modelo de red neuronal artificial con la siguiente estructura: 11 variables de ingreso, siendo estos: (cantidad de cemento, cantidad de agua, cantidad de agregado fino, humedad del agregado fino, absorción del agregado fino, porcentaje que pasa la malla Nro. 4 de agregado fino, cantidad de agregado grueso, humedad del agregado grueso, absorción del agregado grueso, porcentaje que pasa la malla Nro. 4 de agregado grueso, tamaño máximo de los agregados, el tiempo de curado del concreto) y una variable de salida (resistencia a la compresión axial del concreto); para el entrenamiento se realizó diversas simulaciones haciendo uso de la metodología de propagación inversa (back propagation) y el algoritmo de Levenberg Marquardt, buscando encontrar el error cuadrático medio (MSE). La evaluación se realizó en tres grupos de muestra: el primero de entrenamiento 70 % , el segundo de validación 15% y el tercero de test 15% de los datos obtenidos en laboratorio, usando como herramienta de programación software Python y Matlab (Toolbox). VI Los resultados obtenidos del proyecto de investigación evaluados mediante el análisis estadístico de error medio cuadrático (MSE), se dividen en: Entrenamiento (training) (R² = 0.99965), validación (R = 0.96004), test ( R =0.99413), obteniéndose un modelo de red neuronal artificial con (R = 0.99113); siendo R el coeficiente de determinación conocido como coeficiente de correlación de Pearson, demostrando de ese modo ser eficaz para predecir la resistencia del concreto con un error menor al 1% , se concluye que el modelo de red neuronal artificial contribuirá para predecir la resistencia a la compresión del concreto, proponiéndose como alternativa para realizar diseños de mezclas de concreto, que cumplan con las necesidades requeridas en los proyectos de ingeniería en el sector construcción y acorde a lo estipulado en la Norma E-060 (2009) y ASTM C-39.