Examinando por Autor "Paucar Huamán, Alaín Ronald"

Mostrando 1 - 1 de 1
  • Miniatura
    Ítem
    Parámetros de resistencia al corte del suelo en función a sus propiedades físicas, empleando redes bayesianas y ensayo triaxial-Callqui Grande
    (Universidad Nacional de Huancavelica, 2023-12-19) Esteban Ramos, Saúl; Paucar Huamán, Alaín Ronald; López Barrantes, Marco Antonio
    Esta investigación tiene como finalidad determinar el modelo de redes bayesianas para predecir los parámetros de resistencia al corte del suelo (ángulo de fricción y la cohesión), en función de sus propiedades físicas (granulometría, límites de Atterberg, contenido de humedad y peso específico). Según su geomorfología del suelo se determinaron 15 puntos de investigación, para obtener resultados de propiedades físicas y parámetros de resistencia al corte y el ensayo triaxial de tipo no consolidado y no drenado (UU), donde las propiedades del suelo son determinantes para conocer la composición del suelo siendo principales factores que influirán en el comportamiento, cuando estas sean sometidas a esfuerzos axiales y cortantes. Se realizó un lenguaje de programación en Python de redes bayesianas para el entrenamiento del modelo con los 100 datos obtenidos de ensayos y otras fuentes, donde las variables de entrada fueron (propiedades físicas) y de salida (parámetros de resistencia al corte). El modelo se planteó considerando el uso de capas Bayes lineales que demuestra entendimiento avanzado de las técnicas Bayesianas en el contexto de redes neuronales y el optimizador Adam por su eficacia demostrada en la optimización de funciones no lineales se implementa la detención temprana para prevenir el sobreajuste del modelo y mediante el análisis estadístico determinar el error cuadrático medio (MSE). Obteniéndose un modelo de redes bayesiana con el coeficiente de determinación R-cuadrado R^2=0.89790 para el ángulo de fricción y con R^2=0.92819 para la cohesión; determinando una correlación positiva alta con coeficiente de correlación de Pearson r = 0.952 para el ángulo de fricción y r = 0.990 para la cohesión; con un nivel de significancia de ρ=0,01< 0,05. En resumen, este proyecto ha reforzado la convicción en el potencial de técnicas avanzadas de aprendizaje automático, como las redes bayesianas como herramienta innovadora y valiosa para la predicción, para abordar y resolver problemas complejos en el campo de la ingeniería.