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...
Autores: | , |
---|---|
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).
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).