Exploración con redes neuronales artificiales para estimar la resistencia a la compresión, en concretos fibroreforzados con acero (original) (raw)
Related papers
Revista ECIPeru, 2018
Modelización del ensayo de resistencia a compresión del concreto de alta resistencia mediante una red neuronal artificial. Obtención de la incertidumbre del resultado Modeling the resistance to compression of high performance concrete test by means of an artificial neural network. Obtaining the uncertainty of the results Francisco García Fernández1, Ana Torre Carrillo2, Isabel Moromi Nakata2, Pedro Espinoza Haro3 y Luis Acuña Pinaud3 1 Dpto. Sistemas y Recursos Naturales. Universidad Politécnica de Madrid. Ciudad Universitaria S/N, 28040 Madrid, España 2 Facultad de Ingeniería Civil, Universidad Nacional de Ingeniería. Av. Túpac Amaru, 210. Lima 25, Perú 3 Facultad de Ingeniería Industrial y de Sistemas. Universidad Nacional de Ingeniería. Av. Túpac Amaru, 210. Lima 25, Perú DOI: https://doi.org/10.33017/RevECIPeru2015.0012/ Resumen En los últimos años las ANN han tenido un gran desarrollo en el control de procesos industriales debido principalmente a su capacidad de modelizar rela...
Resumen: El Hormigón de Alta Resistencia (HSC), es un material complejo, de amplia aplicación, y cuyos ensayos experimentales son extremadamente caros debido al largo tiempo que se requiere para efectuarlos (28 dias, más en algunos casos). Por lo tanto, el modelado de su comportamiento es un tema de relevancia que ha sido sujeto de investigación los últimos años. Especialmente, la posibilidad de predicción de las propiedades mecánicas del HSC final sin necesidad de llevar a cabo costosos ensayos experimentales. El presente trabajo es un paso más hacia la formulación de una relación constitutiva realista válida para hormigones de alta resistencia. El objetivo aquí es desarrollar una herramienta de software, tan precisa como sea posible, que permita predecir la resistencia a compresión uniaxial "f' c " de un HSC, con una composición dada. Para tal fin, se aplican ANFIS (Adaptive Neuro Fuzzy Inference System) y Redes Neuronales al problema, utilizando una base de 250 dato...
En las edificaciones de las viviendas modernas el concreto es un elemento fundamental que interviene. De otro lado en las construcciones de puentes, diques, túneles, esto es en la construcción de estructuras no estándares de la ingeniería civil, el concreto que se utiliza es el de alto rendimiento (CAR) que aparte de los componentes básicos como el agua, cemento, agregados finos y gruesos, contienen otros aditivos cementantes, como las microsílices. El problema es conseguir un recurso tecnológico que ayude a pronosticar la resistencia de CAR a partir de sus datos de fabricación, pero esto es imposible. Sin embargo, se tiene las redes neuronales artificiales que cumplen este papel, que luego de entrenadas se transforman en verdaderas funciones matemáticas que aproximan los valores esperados de las resistencias de las probetas de concreto. El nivel de aproximación se estima por la correlación entre la respuesta y el valor esperado de la red. Entonces resulta muy útil contar con una red neuronal que permita simular numéricamente la resistencia del concreto, incluso antes de su fabricación. En esta investigación se han obtenido diversas redes neuronales artificiales que pronostican la resistencia a compresión del CAR con correlaciones que varían entre 0.86 y 0.91.
2019
TesisJULIACAEscuela Profesional de Ingeniería CivilIngenierIa EstructuralEl problema de la falla por corte en vigas de gran altura se ha estudiado ampliamente y muestran que no existe un procedimiento racional para predecir la resistencia al corte, además de varias ecuaciones ninguna de ellas produce un resultado exacto. Con el avance de la tecnología y la inteligencia artificial, tales como las redes neuronales artificiales se puede predecir la resistencia al corte de las vigas de gran altura a través de los parámetros más influyentes en la resistencia al corte, para proveer mayor confiabilidad para futuros diseños. La red neuronal artificial estuvo compuesta por una capa de entrada de datos, una capa de procesamiento de información, una capa de activación y una capa de salida que representa la resistencia al corte de la viga. Se recolectó 519 resultados experimentales de vigas de varias investigaciones, las cuales sirvieron para el entrenamiento, validación y prueba de la red neur...
Estimación de la resistencia a la penetración de suelos usando redes neuronales artificiales
Artificial Neural Networks simulate the learning process of biological neurons, and these have been successfully used in the computation of parameters on several engineering problems where exist a strong nonlinear relation among the variables. In soil science, estimation of some properties involves variables that are complicated to estimate using mathematical models, so the solution for the problems fall into the field of Artificial Intelligence. The present paper reports the elaboration of an Artificial Neural Network for the estimation of penetration resistance of soil at different depths, considering as influential variables humidity, density, static load, and inflate pressure. The best estimation results were obtained at a depth of 20-30 cm.
El Portulano de la Ciencia. Año I, vol. I, núm.3. Septiembre 2000, pp. 85-92, 2000
Los sistemas computacionales han evolucionado tanto que el uso de las computadoras hoy en día es de gran ayuda y en algunos casos son imprescindibles. Las Redes Neuronales Artificiales (RNA) forman parte de estos sistemas, y paso a paso la tecnología se vislumbra con gran futuro. Por otro lado, la información referente al trabajo con explosivos puede representar un riesgo por la naturaleza misma de los fines a los que se dirige. Es un tema que se debe estudiar con gran cuidado y así lo demuestra el hecho de que la información se ha reservado a unos pocos. El presente trabajo pretendió colaborar con el desarrollo de ambas tecnologías. Esencialmente se presentan los lineamientos básicos de la demolición de edificios de acero con explosivos. Se analiza un simulador de RNA del tipo BPN y su aplicación a un ejemplo de demolición con explosivos de un edificio.