Predicción de la resistencia a la compresión del concreto usando redes neuronales artificiales

• Autor: Bernilla Rodriguez, David Henry
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Católica Santo Toribio de Mogrovejo
• Repositorio: USAT-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.usat.edu.pe:20.500.12423/7506
• Enlace del recurso: http://hdl.handle.net/20.500.12423/7506
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales artificiales; Resistencia a la compresión del concreto; Materiales de construcción sostenibles; Artificial neural networks; Concrete compressive strength; Sustainable construction materials; http://purl.org/pe-repo/ocde/ford#2.01.00

El concreto es el material de construcción más ampliamente utilizado en la actualidad debido a su excepcional capacidad para resistir fuerzas de compresión, comúnmente denominadas como f'c. La obtención del valor de f'c del concreto involucra la realización de diversos ensayos, siendo el ensayo a compresión simple o uniaxial en probetas de concreto el más comúnmente empleado, evaluando la resistencia a diferentes intervalos de tiempo. Lamentablemente, estas probetas suelen ser desechadas al aire libre, contribuyendo a la contaminación ambiental. En esta investigación, se enfoca en la predicción del valor de f'c del concreto a los 28 días mediante un modelo predictivo basado en redes neuronales artificiales. Los datos de entrada comprenden propiedades de los agregados, tipo de cemento y las proporciones de sus componentes, como agua, cemento y agregados. El único dato de salida es el valor real de f'c obtenido en el ensayo de compresión simple. Estos datos se recopilaron de varios laboratorios en el norte de Perú. La red neuronal se construyó utilizando TensorFlow de Google, con dos capas ocultas que constan de 16 y 8 neuronas respectivamente, y se entrenó durante 450 épocas. Se obtuvo una exactitud en la predicción mayor al 90% en el rango de 210 a 335 kg/cm².