Redes neuronales artificiales en la estimación de parámetros de compactación de suelos para sub base de pavimentos.

Vista sencilla de ítem
dc.contributor.advisorAyala Bizarro, Iván Arturo
dc.contributor.authorPaitan Montañez, Claudio
dc.contributor.authorQuispe Garcia, Mayely Nayda
dc.date.accessioned2022-07-06T17:20:44Z
dc.date.available2022-07-06T17:20:44Z
dc.date.issued2021-12-15
dc.description.abstractEl proyecto de investigación tiene como objetivo determinar la relación existente entre los resultados estimados mediante el modelo de redes neuronales artificiales y obtenidos en el laboratorio de los parámetros de compactación (Contenido de humedad óptimo y densidad seca máxima) de las canteras de Lachocc, Huaylacucho y Pucarumi para la conformación de sub base de pavimentos en la ciudad de Huancavelica. Para ello se realizó un modelo de red neuronal artificial (RNA) perceptrón multicapa (MLP) de tipo Feed - Forward Backpropagation con función de entrenamiento mediante el algoritmo Levenberg - Marquardt para la estimación de los parámetros de compactación a partir de sus propiedades físicas de suelo, de donde se extrajo 70 muestras de suelo de diferentes puntos de las canteras y posteriormente su realización respectivo de ensayos de laboratorio. En la construcción del modelo de red neuronal artificial (RNA) se determinó las variables de entrada y salida, teniendo como variables de entrada (límite líquido, limite plástico, índice plástico, porcentaje de boleos o bolos, porcentaje de grava gruesa, porcentaje de grava fina, porcentaje de arena gruesa, porcentaje de arena media, porcentaje de arena fina, porcentaje de limos y arcillas) y como variables de salida (contenido de humedad óptimo y la densidad seca máxima). Contando con el registro de datos obtenidos en el laboratorio y teniendo definido las variables de entrada y salida, se efectuó el entrenamiento de la red neuronal artificial (RNA) para la estimación, utilizando el software de Matlab. Posteriormente haciendo la comparación entre los resultados obtenidos mediante redes neuronales artificiales y los del laboratorio. En el modelo de RNA optimo realizado se obtuvo los siguiente resultados: Contenido de humedad óptimo (MAE=0.26979, MSE=0.26566 y R=0.96965) y densidad seca máxima (MAE=0.01276, MSE=0.00039 y R=0.97565). Y en la verificación del modelo se obtuvo los siguiente resultados: Contenido de humedad óptimo (MAE=0.19542, MSE=0.09358 y R=0.98877) y densidad seca máxima (MAE=0.00792, MSE=0.00001 y R=0.98469).es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdfes_PE
dc.identifier.urihttp://repositorio.unh.edu.pe/handle/UNH/4425
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.subject granulometría.
dc.subject.ocdegeotecnia y transporteses_PE
dc.titleRedes neuronales artificiales en la estimación de parámetros de compactación de suelos para sub base de pavimentos.es_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineIngeniero Civiles_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.programIngeniero Civiles_PE
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
TESIS-2021-PAITAN MONTAÑEZ Y QUISPE GARCIA.pdf
Tamaño:
157.57 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 2021