Modelos predictivos de la consistencia del hormigón mediante estadística clásica y redes neuronales artificiales
[ES] Cuando queremos asegurar las características de un hormigón de buena calidad debemos asegurarnos de controlar características que deben cumplirse en estado fresco y en estado endurecido; debemos controlar que los materiales no tengan contaminación y sean resistentes a la abrasión; debemos contr...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/198451 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/198451 |
| Access Level: | acceso abierto |
| Palabra clave: | Hormigón Modelos predictivos Consistencia del hormigón Pérdida de asentamiento Redes neuronales Inteligencia artificial Predictive models Slump loss Neural networks Artificial intelligence. Concrete consistency INGENIERIA DE LA CONSTRUCCION Máster Universitario en Ingeniería del Hormigón-Màster Universitari en Enginyeria del Formigó |
| Sumario: | [ES] Cuando queremos asegurar las características de un hormigón de buena calidad debemos asegurarnos de controlar características que deben cumplirse en estado fresco y en estado endurecido; debemos controlar que los materiales no tengan contaminación y sean resistentes a la abrasión; debemos controlar un buen mezclado que garantice la uniformidad de la mezcla; controlar un buen transporte que pueda mantener las propiedades del hormigón fresco durante el trayecto desde la planta de mezclado a obra y sobre todo debemos controlar la adecuada colocación que asegure la ausencia de defectos superficiales o internos de la matriz del elemento hormigonado. En resumen, debemos ser capaces de controlar las innumerables variables que tienen mas o menor relación con el elemento de hormigón resultante. En este estudio nos enfocaremos en el análisis de las variables que controlan la consistencia o asentamiento que debiera tener un hormigón de buena calidad en estado fresco. Analizaremos la manera en que se pierde consistencia o asentamiento en el hormigón por ser un requerimiento importante en construcción y en actividades de industria del mundo actual como son las operaciones de hormigón premezclado o situaciones en las que necesitamos que el hormigón mantenga su consistencia durante toda la operación de colocación. En este estudio nos concentraremos en analizar las variables que influyen en la consistencia o asentamiento de una mezcla de hormigón normal y además intentaremos predecir este asentamiento con herramientas estadísticas clásicas y modernas como son las redes neuronales artificiales. Estas predicciones nos permitirán hacer recomendaciones útiles para las operaciones de transporte y colocación del hormigón. Para realizar la predicción de las características de consistencia o asentamiento de un hormigón en estado fresco construiremos una base de datos, los cuales han sido extraídos de artículos científicos con data corroborada de consistencia o asentamiento y sobre todo de los materiales con las que fueron realizadas estas mezclas. Con la data recolectada haremos un análisis estadístico convencional mediante métodos de regresión lineal simple y regresión lineal múltiple aditiva de tal manera de verificar la relación entre variables y resultados; posteriormente complementaremos este análisis con un modelo basado en redes neuronales artificiales que nos permita corroborar o desmentir lo que la estadística tradicional nos muestre. Para la construcción del modelo basado en redes neuronales artificiales utilizaremos herramientas computacionales conocidas en el mercado como son el MATLAB© de la empresa MathWorks. |
|---|