Implementación de redes neuronales para la predicción de la capacidad de absorción de energía de concreto de alto desempeño sometido a ensayo de tracción directa
Trabajo de grado - Pregrado
2020
Escuela Colombiana de Ingeniería Julio Garavito
El siguiente trabajo dirigido investiga la eficiencia de la implementación de redes neuronales artificiales (ANN) para la predicción de la capacidad de absorción de energía (g) del concreto de ultra-altas-prestaciones reforzado con fibras (UHPFRC) en función de su dosificación, sometido a tracción directa. Para el desarrollo del proyecto, se utilizaron 500 dosificaciones de concretos UHPFRC compiladas de la literatura científica con la finalidad de realizar el ajuste del modelo matemático. Para mejorar el modelo, se dividieron los datos recolectados en datos de entrenamiento y testeo. La red se ajustó usando validación k-fold con los datos de entrenamiento y se evaluó con los datos de testeo. Para el modelo se consideraron las dosificaciones de UHPFRC reforzados con una fibra o con mezcla hibrida de dos fibras, de entre una amplia gama de fibras, tales como fibras de acero rectas, fibras de acero acabadas en gancho, fibras de acero retorcidas, fibras de PVA, fibras de polietileno y fibras de polipropileno. Adicionalmente se realizó una validación experimental de la red. Los resultados demostraron la eficiencia del modelo de acuerdo con los parámetros estadísticos utilizados, así como su precisión y versatilidad para tratar datos nuevos.
Descripción:
DOCUMENTO PDF DEL INDORME FINAL SOBRE LA EFICIENCIA DE LA IMPLEMENTACION DE REDES NEURONALES PARA LA PREDICCION DE LA ABSORCION DE ENERGIA DE LOS UHPFRC SOMETIDOS A ENSAYOS DE TRACCION DIRECTA
Título: Rojas Grillo Julian Santiago-2020.pdf
Tamaño: 3.371Mb
PDFLEER EN FLIP
Descripción: AUTORIZACION DE PUBLICACIÓN
Título: Autorización.pdf
Tamaño: 500.1Kb
PDF
Título: Rojas Grillo Julian Santiago-2020.pdf
Tamaño: 3.371Mb
PDFLEER EN FLIP
Descripción: AUTORIZACION DE PUBLICACIÓN
Título: Autorización.pdf
Tamaño: 500.1Kb