Redes neuronales artificiales para el modelado de la resistencia a la compresión de un concreto f’c=210 kg/cm2. San Martín 2024

• Autores: Del Aguila Vela, Diego Andrey, Flores Castillo, Kenyi Elián
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/163495
• Enlace del recurso: https://hdl.handle.net/20.500.12692/163495
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Concreto; Resistencia a compresión; https://purl.org/pe-repo/ocde/ford#2.01.01

Esta indagación se ejecutó con la finalidad de estudiar las redes neuronales artificiales para el modelado de la resistencia a la compresión de un concreto f’c=210 kg/cm2. San Martín 2024. Así mismo, se tomó como objetivo, diseñar u n a red neuronal artificial para el modelado de la fuerza a la compactación fc = 210kg/cm2 San Martín 2024. Como técnicas se empleó la observación experimental. Se tiene como herramientas una red neuronal profunda con tres capas, primera capa de 64 neuronas, segunda capa 32 neuronas y para la tercera capa de 16 neuronas, capa de salida, optimización, función de perdida, épocas de entrenamiento, división de datos. Para los resultados de entrenamiento se el error cuadrático medio a 10.5 kg/cm2 y a 13.2 kg/cm2, la precisión de la resistencia en más menos 5% de resistencia a compresión a 85%. El diseño de las redes neuronales se ha utilizado las librerías Matplotib, Tensorflow, Numpy y Keras y como aditivos la cenicilla de curtido de oryza sativa, fibra de yute, harina de roca, ceniza volante, fibra de coco, polvo de puzolana natural, fibra de caña de azúcar, la inversión necesaria para realizar este trabajo fue de mil doscientos soles. Es recomendable que futuras investigaciones amplíen las variables utilizadas en los modelos de redes neuronales, incluyendo no solo la fuerza a la compresión.