Aplicación de redes neuronales en el cálculo del empuje en muros contención para taludes, Lima-2025

• Autores: Chilet Fuentes, Leonardo Enrique, Rosales Quezada, William Julio
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/173095
• Enlace del recurso: https://hdl.handle.net/20.500.12692/173095
• Nivel de acceso: acceso abierto
• Materia: Investigación; aprendizaje; seguridad; https://purl.org/pe-repo/ocde/ford#2.01.01

El objetivo principal de esta investigación fue aplicar redes neuronales artificiales en el cálculo del empuje lateral en muros de contención para taludes en Lima, 2025. Para ello, se recopilaron datos geotécnicos y estructurales de zonas urbanas propensas a deslizamientos, los cuales fueron procesados y normalizados para alimentar un modelo de red neuronal desarrollado en Python. Este modelo fue entrenado, validado y comparado con los métodos tradicionales de Rankine y Coulomb. Los resultados demostraron un Error Absoluto Medio (MAE) de 1.59 kN/m y un coeficiente de determinación (R²) cercano a 1, lo que evidencia un alto nivel de precisión y ajuste del modelo. Estas métricas respaldan la eficacia de las redes neuronales para predecir con fiabilidad los empujes activos, pasivos y en reposo, permitiendo optimizar el diseño estructural, reducir tiempos de cálculo y minimizar errores humanos. Asimismo, se comprobó que este enfoque es altamente adaptable a condiciones geotécnicas complejas, lo cual es esencial en contextos urbanos como Lima. En conclusión, la integración de redes neuronales en la ingeniería civil representa un avance tecnológico que mejora la seguridad, sostenibilidad y eficiencia en el diseño de muros de contención.