Comparación entre regresión tipo LASSO y redes neuronales en la predicción del esfuerzo de fisuración y su elongación asociada del UHPFRC sometido a tracción directa: (Registro nro. 22535)
[ vista simple ]
000 -CABECERA | |
---|---|
Campo de control de longitud fija | 03553nmm a2200241 a 4500 |
008 - CAMPO FIJO DE DESCRIPCIÓN FIJA--INFORMACIÓN GENERAL | |
Campo de control de longitud fija | 160202e2020 ck |||fq||d| 00| 0 spa d |
082 04 - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY | |
Número de clasificación Decimal | 624.1 |
Número de documento (Cutter) | C462c |
Número de edición DEWEY | 23 |
100 ## - ENCABEZAMIENTO PRINCIPAL--NOMBRE PERSONAL | |
Nombre de persona | Chaparro Ruiz, Diego Andrés. |
9 (RLIN) | 44409 |
245 13 - TÍTULO PROPIAMENTE DICHO | |
Título | Comparación entre regresión tipo LASSO y redes neuronales en la predicción del esfuerzo de fisuración y su elongación asociada del UHPFRC sometido a tracción directa: |
Medio físico | [Recurso Electrónico] / |
Mención de responsabilidad, etc. | Diego Andrés Chaparro Ruiz. |
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC (PIE DE IMPRENTA) | |
Lugar de publicación, distribución, etc. | Bogotá (Colombia): |
Nombre del editor, distribuidor, etc. | Escuela Colombiana de Ingeniería Julio Garavito, |
Fecha de publicación, distribución, etc. | 2020 |
300 ## - DESCRIPCIÓN FÍSICA | |
Extensión | 36 paginas. |
Otros detalles físicos | gráficos. |
502 1# - NOTA DE TESIS | |
Nota de Disertaciones | Tesis (Ingeniero civil con Énfasis en Estructuras)<br/> |
520 ## - RESUMEN, ETC. | |
Nota de sumario, etc. | La presente investigación tiene como finalidad modelar el comportamiento a tracción directa de los concretos de ultra alto desempeño reforzado con fibras (UHPFRC). Para este análisis se utilizaron los métodos de regresión tipo LASSO y redes neuronales para predecir la tensión y elongación que provocan la primera fisura en el concreto. Para la validación de los modelos desarrollados se utilizaron los siguientes índices estadísticos: error absoluto medio (MAE), raíz del error cuadrático medio (RSME), relación entre el RSME y la desviación estándar de los datos medidos (RSR), error de sesgo medio normalizado (NMBE), coeficiente de eficiencia de Nash-Sutcliff (E), y coeficiente de determinación múltiple (R2). Para el diseño de mezcla de concretos UHPFRC se agregan fibras de refuerzo para aumentar la resistencia a tracción directa. Estas fibras están distribuidas uniformemente y proporcionan propiedades de ductilidad a los concretos de ultra alto desempeño, ya que estos concretos sin fibra tienen un comportamiento frágil. En el entrenamiento de los modelos preventivos se utilizaron 934 datos aleatorios del comportamiento a tracción directa del UHPFRC con información sobre los parámetros σcc y εcc, que representan el estado tensional correspondiente a la tensión de fisuración del UHPFRC. Durante el desarrollo algorítmico de los modelos, estos parámetros serán codificados como Y1 y Y2 respectivamente. Para construir un modelo preciso y con resultados adecuados fue necesario la detección y tratamiento de valores atípicos. Al final de este proceso se eliminaron 196 datos de la base de datos, dejando 738 para entrenamiento y testeo de los modelos de regresión LASSO y redes neuronales. Además, se realizó la partición de los datos para facilitar el entrenamiento y testeo y comprobar la eficiencia de la red neuronal y la regresión tipo LASSO. De esta forma, se utilizaron el 75% de los datos disponibles para entrenamiento de los modelos, quedando el 25% restante para labores de validación de los modelos. Como conclusión del presente trabajo de investigación, se desprende que la herramienta más precisa para la predicción de las variables Y1 y Y2, alcanzándose valores de R2 de 0,9218 y 0,8075 respectivamente en los subconjuntos de validación. La regresión tipo LASSO alcanzo valores de R2 para estas mismas variables de 0,6771 y 0,6579 respectivamente, claramente inferiores a los alcanzados por los modelos de redes neuronales. |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | COMPORTAMIENTO A TRACCIÒN DIRECTA |
9 (RLIN) | 44383 |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | REDES NEURONALES ARTIFICIALES |
9 (RLIN) | 44410 |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | REGRESIÒN TIPO LASSO |
9 (RLIN) | 44404 |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | UHPFRC |
9 (RLIN) | 44486 |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | TESIS DE GRADO |
9 (RLIN) | 43245 |
700 ## - ENCABEZAMIENTO SECUNDARIO--NOMBRE PERSONAL | |
Nombre de persona | Abellán García, Joaquín |
9 (RLIN) | 44415 |
Término relacionador | director |
856 ## - ACCESO ELECTRÓNICO | |
Identificador uniforme del recurso URI | https://repositorio.escuelaing.edu.co/handle/001/1324 |
942 ## - ELEMENTOS KOHA | |
Fuente de clasificación o esquema de ordenación en estanterías | |
Koha tipo de item | TRABAJOS DE GRADO |
Disponibilidad | Mostrar en OPAC | Fuente de clasificación o esquema | Tipo de Descarte | Estado | Formato de Material | Localización permanente | Localización actual | Colección | Fecha adquisición | Proveedor | Forma de Adq | Precio normal de compra | Datos del ítem (Volumen, Tomo) | Préstamos totales | Signatura completa | Código de barras | Fecha última consulta | Número de ejemplar | Propiedades de Préstamo KOHA | Programa Académico |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Préstamo Normal | Digital | Biblioteca Jorge Álvarez Lleras | Biblioteca Jorge Álvarez Lleras | Fondo general | 2021-01-12 | Ingeniería Civil | Donación | 0.00 | Ej. 1 | 624.1 C462c | D001756 | 2021-01-12 | 1 | TRABAJOS DE GRADO | Ingeniería Civil |