Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning

Descripción del Articulo

Existe un silencio sísmico desde 1746 en la costa central de Lima, lo que indica la posibilidad de un terremoto de magnitud momento Mw 8.9. Los materiales de construcción usados en esta ciudad agravan la situación, debido a que muchas viviendas no cumplen con la Norma Sismorresistente E.030, lo que...

Descripción completa

Detalles Bibliográficos
Autores: Bravo Fuentes, Astrid Olenka, Campos Rojas, Jesús Enrique
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad San Ignacio de Loyola
Repositorio:USIL-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.usil.edu.pe:20.500.14005/15192
Enlace del recurso:https://hdl.handle.net/20.500.14005/15192
Nivel de acceso:acceso abierto
Materia:Machine Learning
Mapeo de grietas
Ingeniería Civil
https://purl.org/pe-repo/ocde/ford#2.01.01
id USIL_bb28e9567c77909b04af4d71e2866623
oai_identifier_str oai:repositorio.usil.edu.pe:20.500.14005/15192
network_acronym_str USIL
network_name_str USIL-Institucional
repository_id_str 3128
dc.title.none.fl_str_mv Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
title Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
spellingShingle Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
Bravo Fuentes, Astrid Olenka
Machine Learning
Mapeo de grietas
Ingeniería Civil
https://purl.org/pe-repo/ocde/ford#2.01.01
title_short Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
title_full Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
title_fullStr Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
title_full_unstemmed Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
title_sort Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning
author Bravo Fuentes, Astrid Olenka
author_facet Bravo Fuentes, Astrid Olenka
Campos Rojas, Jesús Enrique
author_role author
author2 Campos Rojas, Jesús Enrique
author2_role author
dc.contributor.advisor.fl_str_mv Díaz Figueroa, Miguel Augusto
dc.contributor.author.fl_str_mv Bravo Fuentes, Astrid Olenka
Campos Rojas, Jesús Enrique
dc.subject.none.fl_str_mv Machine Learning
Mapeo de grietas
Ingeniería Civil
topic Machine Learning
Mapeo de grietas
Ingeniería Civil
https://purl.org/pe-repo/ocde/ford#2.01.01
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.01.01
description Existe un silencio sísmico desde 1746 en la costa central de Lima, lo que indica la posibilidad de un terremoto de magnitud momento Mw 8.9. Los materiales de construcción usados en esta ciudad agravan la situación, debido a que muchas viviendas no cumplen con la Norma Sismorresistente E.030, lo que podría causar daños severos en las infraestructuras. Por lo tanto, los métodos automatizados de detección de grietas emergen como una solución para evaluar el nivel de daño de un muro de superficie lisa a través de un mapa de grietas. El alcance de la investigación propone un algoritmo de Machine Learning, usando Convolutional Neural Networks, para la detección de grietas en muros de superficie lisa. Este código se ha desarrollado con información brindada por el CISMID (proyecto VIRVI-ALB), la cual consta de fotos del proceso de ensayo de seis muros de albañilería confinada. Con esto, el algoritmo se entrenó reiteradas veces, ajustando los parámetros, para lograr una precisión adecuada. Los resultados obtenidos, junto a un código de mapeo de grietas, permiten calcular la longitud total de grietas detectadas en un muro de albañilería confinada con superficie lisa. Se generaron curvas de longitud de grieta por área o espesor vs distorsión, y se observaron los comportamientos de los tipos de muro de ladrillos reforzados por una o dos caras. Además, se correlacionó con los niveles de daño en un estudio de caso. Finalmente, se presentan las conclusiones y recomendaciones que deben considerarse para futuras investigaciones.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-11-29T21:44:46Z
dc.date.available.none.fl_str_mv 2024-11-29T21:44:46Z
dc.date.other.none.fl_str_mv 2024-11-22
dc.date.issued.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.14005/15192
url https://hdl.handle.net/20.500.14005/15192
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.es_ES.fl_str_mv Universidad San Ignacio de Loyola
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.es_ES.fl_str_mv Universidad San Ignacio de Loyola
Repositorio Institucional - USIL
dc.source.none.fl_str_mv reponame:USIL-Institucional
instname:Universidad San Ignacio de Loyola
instacron:USIL
instname_str Universidad San Ignacio de Loyola
instacron_str USIL
institution USIL
reponame_str USIL-Institucional
collection USIL-Institucional
bitstream.url.fl_str_mv https://repositorio.usil.edu.pe/bitstreams/aad93ec8-bcb6-48b9-885d-c0276f41f0b6/download
https://repositorio.usil.edu.pe/bitstreams/36ada31c-4359-40d7-9846-cc36dedcc24e/download
https://repositorio.usil.edu.pe/bitstreams/a8a70fed-1efb-4cd1-9720-bfcd576e89ea/download
https://repositorio.usil.edu.pe/bitstreams/2791d8af-4bb3-44d0-afcc-d1af93a5a76a/download
https://repositorio.usil.edu.pe/bitstreams/a9c654c7-8160-49fd-a70b-faf8e92e26db/download
https://repositorio.usil.edu.pe/bitstreams/0d678c71-ad3c-42c2-960e-0c1ec2207c38/download
https://repositorio.usil.edu.pe/bitstreams/c018ecf7-22e4-4c05-a751-4abfd21d1c9f/download
https://repositorio.usil.edu.pe/bitstreams/bbf902ae-7fba-4098-8d19-b9d2f1f12e43/download
https://repositorio.usil.edu.pe/bitstreams/555e5df3-3631-4dc6-99ed-23533acf51e9/download
https://repositorio.usil.edu.pe/bitstreams/852a30d3-a756-4fd3-ade0-8a3ec1693f89/download
bitstream.checksum.fl_str_mv f9976ed1e62b1fd0bb0352d58dba7be2
4bd13e329f37d2c7863be05278bc4cd9
e1b38559a8813bc3d3220a1e0bd822ed
09d418a54e2297f7d40313e2baeccbe1
6cf1332c915663dd980047b42f66fbe4
5cdcacd9d1f75ec3157f81dfa3dd7c18
fa0dab245906116673da67e79e7bce94
0e9aba74cb535a713840290da50ca3f2
ec2fed3dac815bd7aca7d9103bc74088
50ca4d8a149bacf9e25debd2765dec20
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional de la Universidad San Ignacio de Loyola
repository.mail.fl_str_mv repositorio.institucional@usil.edu.pe
_version_ 1846710583656710144
spelling 88825ff6-9bc4-4985-82bb-4e0199879647-1Díaz Figueroa, Miguel Augusto34c23c55-630c-45a3-96e7-a67eaecee732-16ec52875-0d6e-4379-a96b-e6e8ab4f03be-1Bravo Fuentes, Astrid OlenkaCampos Rojas, Jesús Enrique2024-11-29T21:44:46Z2024-11-29T21:44:46Z20242024-11-22Existe un silencio sísmico desde 1746 en la costa central de Lima, lo que indica la posibilidad de un terremoto de magnitud momento Mw 8.9. Los materiales de construcción usados en esta ciudad agravan la situación, debido a que muchas viviendas no cumplen con la Norma Sismorresistente E.030, lo que podría causar daños severos en las infraestructuras. Por lo tanto, los métodos automatizados de detección de grietas emergen como una solución para evaluar el nivel de daño de un muro de superficie lisa a través de un mapa de grietas. El alcance de la investigación propone un algoritmo de Machine Learning, usando Convolutional Neural Networks, para la detección de grietas en muros de superficie lisa. Este código se ha desarrollado con información brindada por el CISMID (proyecto VIRVI-ALB), la cual consta de fotos del proceso de ensayo de seis muros de albañilería confinada. Con esto, el algoritmo se entrenó reiteradas veces, ajustando los parámetros, para lograr una precisión adecuada. Los resultados obtenidos, junto a un código de mapeo de grietas, permiten calcular la longitud total de grietas detectadas en un muro de albañilería confinada con superficie lisa. Se generaron curvas de longitud de grieta por área o espesor vs distorsión, y se observaron los comportamientos de los tipos de muro de ladrillos reforzados por una o dos caras. Además, se correlacionó con los niveles de daño en un estudio de caso. Finalmente, se presentan las conclusiones y recomendaciones que deben considerarse para futuras investigaciones.Tesisapplication/pdfhttps://hdl.handle.net/20.500.14005/15192spaUniversidad San Ignacio de LoyolaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad San Ignacio de LoyolaRepositorio Institucional - USILreponame:USIL-Institucionalinstname:Universidad San Ignacio de Loyolainstacron:USILMachine LearningMapeo de grietasIngeniería Civilhttps://purl.org/pe-repo/ocde/ford#2.01.01Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learninginfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDUPublication42716955https://orcid.org/0000-0002-9421-41947431612771598825732016Lovón Quispe, Holger MarioAcevedo Laos, Victor ManuelLazaro Luna, Lucy Laurahttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisIngenieríaUniversidad San Ignacio de Loyola. Facultad de Ingeniería. Carrera de Ingeniería CivilTítulo ProfesionalIngeniero CivilLICENSElicense.txtlicense.txttext/plain; charset=utf-8403https://repositorio.usil.edu.pe/bitstreams/aad93ec8-bcb6-48b9-885d-c0276f41f0b6/downloadf9976ed1e62b1fd0bb0352d58dba7be2MD51ORIGINAL2024_BRAVO FUENTES.pdf2024_BRAVO FUENTES.pdfapplication/pdf4564949https://repositorio.usil.edu.pe/bitstreams/36ada31c-4359-40d7-9846-cc36dedcc24e/download4bd13e329f37d2c7863be05278bc4cd9MD52Reporte de Turnitin.pdfReporte de Turnitin.pdfapplication/pdf21611940https://repositorio.usil.edu.pe/bitstreams/a8a70fed-1efb-4cd1-9720-bfcd576e89ea/downloade1b38559a8813bc3d3220a1e0bd822edMD53Autorización.pdfAutorización.pdfapplication/pdf1354314https://repositorio.usil.edu.pe/bitstreams/2791d8af-4bb3-44d0-afcc-d1af93a5a76a/download09d418a54e2297f7d40313e2baeccbe1MD54TEXT2024_BRAVO FUENTES.pdf.txt2024_BRAVO FUENTES.pdf.txtExtracted texttext/plain102366https://repositorio.usil.edu.pe/bitstreams/a9c654c7-8160-49fd-a70b-faf8e92e26db/download6cf1332c915663dd980047b42f66fbe4MD55Reporte de Turnitin.pdf.txtReporte de Turnitin.pdf.txtExtracted texttext/plain1221https://repositorio.usil.edu.pe/bitstreams/0d678c71-ad3c-42c2-960e-0c1ec2207c38/download5cdcacd9d1f75ec3157f81dfa3dd7c18MD57Autorización.pdf.txtAutorización.pdf.txtExtracted texttext/plain3822https://repositorio.usil.edu.pe/bitstreams/c018ecf7-22e4-4c05-a751-4abfd21d1c9f/downloadfa0dab245906116673da67e79e7bce94MD59THUMBNAIL2024_BRAVO FUENTES.pdf.jpg2024_BRAVO FUENTES.pdf.jpgGenerated Thumbnailimage/jpeg9360https://repositorio.usil.edu.pe/bitstreams/bbf902ae-7fba-4098-8d19-b9d2f1f12e43/download0e9aba74cb535a713840290da50ca3f2MD56Reporte de Turnitin.pdf.jpgReporte de Turnitin.pdf.jpgGenerated Thumbnailimage/jpeg12356https://repositorio.usil.edu.pe/bitstreams/555e5df3-3631-4dc6-99ed-23533acf51e9/downloadec2fed3dac815bd7aca7d9103bc74088MD58Autorización.pdf.jpgAutorización.pdf.jpgGenerated Thumbnailimage/jpeg16491https://repositorio.usil.edu.pe/bitstreams/852a30d3-a756-4fd3-ade0-8a3ec1693f89/download50ca4d8a149bacf9e25debd2765dec20MD51020.500.14005/15192oai:repositorio.usil.edu.pe:20.500.14005/151922024-11-30 03:02:04.833http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.usil.edu.peRepositorio institucional de la Universidad San Ignacio de Loyolarepositorio.institucional@usil.edu.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
score 13.135628
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).