ANÁLISIS DE LA RESISTENCIA DEL CONCRETO MEDIANTE REDES NEURONALES HACIENDO USO DEL AGREGADO DE LA CANTERA SANTA ROSA HUANCAVELICA

Vista sencilla de ítem
dc.contributor.advisorAyala Bizarro, Ivan Arturo
dc.contributor.authorGozanlez Gaspar, Cristhofer Jhonatan
dc.date.accessioned2018-12-21T22:19:00Z
dc.date.available2018-12-21T22:19:00Z
dc.date.issued2018-10-02
dc.description.abstractCon la presente investigación se construye un modelo de inteligencia artificial (redes neuronales artificiales), que permita predecir la resistencia al esfuerzo de compresión axial del concreto (f´c). Para lograr el objetivo del proyecto de investigación se ha elaborado probetas de concreto, siendo 79 probetas con diferentes dosificaciones, ensayados a la primera, segunda y cuarta semana de curado, registrando resistencias al esfuerzo de compresión axial (f´c) entre 70 kg/cm2 y 390 kg/cm2. los procesos de elaboración, curado y rotura de probetas según lo especificado en la Norma E-060 (2009) y ASTM C-39, NTP 339.034.2008. Seguido de los ensayos de rotura, se realizó el procesamiento de datos para la construcción del modelo de red neuronal artificial con la siguiente estructura: 11 variables de ingreso, siendo estos: (cantidad de cemento, cantidad de agua, cantidad de agregado fino, humedad del agregado fino, absorción del agregado fino, porcentaje que pasa la malla Nro. 4 de agregado fino, cantidad de agregado grueso, humedad del agregado grueso, absorción del agregado grueso, porcentaje que pasa la malla Nro. 4 de agregado grueso, tamaño máximo de los agregados, el tiempo de curado del concreto) y una variable de salida (resistencia a la compresión axial del concreto); para el entrenamiento se realizó diversas simulaciones haciendo uso de la metodología de propagación inversa (back propagation) y el algoritmo de Levenberg Marquardt, buscando encontrar el error cuadrático medio (MSE). La evaluación se realizó en tres grupos de muestra: el primero de entrenamiento 70 % , el segundo de validación 15% y el tercero de test 15% de los datos obtenidos en laboratorio, usando como herramienta de programación software Python y Matlab (Toolbox). VI Los resultados obtenidos del proyecto de investigación evaluados mediante el análisis estadístico de error medio cuadrático (MSE), se dividen en: Entrenamiento (training) (R² = 0.99965), validación (R = 0.96004), test ( R =0.99413), obteniéndose un modelo de red neuronal artificial con (R = 0.99113); siendo R el coeficiente de determinación conocido como coeficiente de correlación de Pearson, demostrando de ese modo ser eficaz para predecir la resistencia del concreto con un error menor al 1% , se concluye que el modelo de red neuronal artificial contribuirá para predecir la resistencia a la compresión del concreto, proponiéndose como alternativa para realizar diseños de mezclas de concreto, que cumplan con las necesidades requeridas en los proyectos de ingeniería en el sector construcción y acorde a lo estipulado en la Norma E-060 (2009) y ASTM C-39.es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdfes_PE
dc.identifier.urihttp://repositorio.unh.edu.pe/handle/UNH/2127
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Huancavelicaes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/*
dc.sourceRepositorio Institucional - UNHes_PE
dc.sourceUniversidad Nacional de Huancavelicaes_PE
dc.subjectEsfuerzo a comprensiònes_PE
dc.subjectResistencia promedioes_PE
dc.subjectConcretoes_PE
dc.titleANÁLISIS DE LA RESISTENCIA DEL CONCRETO MEDIANTE REDES NEURONALES HACIENDO USO DEL AGREGADO DE LA CANTERA SANTA ROSA HUANCAVELICAes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineIngenieríaes_PE
thesis.degree.grantorUniversidad Nacional de Huancavelica : Facultad de Ciencias de Ingenieríaes_PE
thesis.degree.levelTitulo Profesionales_PE
thesis.degree.nameTitulo Profesional : Ingeniero Civiles_PE
thesis.degree.programIngeniería Civiles_PE
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
TESIS-INGENIERIA CIVIL-2018-GONZALES GASPAR.pdf
Tamaño:
8.61 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.3 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Tesis 2018