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

Abstract

Con 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.