Implementación de redes neuronales para la predicción de la capacidad de absorción de energía de concreto de alto desempeño sometido a ensayo de tracción directa: [Recurso Electrónico] / Julian Santiago Rojas Grillo.
Tipo de material: Archivo de ordenadorEditor: Bogotá (Colombia): Escuela Colombiana de Ingeniería Julio Garavito, 2020Descripción: 106 paginas. gráficosTema(s): UHPFRC | ENSAYO DE TRACCIÒN DIRECTA | ANN | MODELACIÒN | CAPACIDAD DE ABSORCIÒN DE ENERGÌA | TESIS DE GRADOClasificación CDD: 624.1 Recursos en línea: Haga clic para acceso en línea Nota de disertación: Tesis (Ingeniero Civil) Resumen: El siguiente trabajo dirigido investiga la eficiencia de la implementación de redes neuronales artificiales (ANN) para la predicción de la capacidad de absorción de energía (g) del concreto de ultra-altas-prestaciones reforzado con fibras (UHPFRC) en función de su dosificación, sometido a tracción directa. Para el desarrollo del proyecto, se utilizaron 500 dosificaciones de concretos UHPFRC compiladas de la literatura científica con la finalidad de realizar el ajuste del modelo matemático. Para mejorar el modelo, se dividieron los datos recolectados en datos de entrenamiento y testeo. La red se ajustó usando validación k-fold con los datos de entrenamiento y se evaluó con los datos de testeo. Para el modelo se consideraron las dosificaciones de UHPFRC reforzados con una fibra o con mezcla hibrida de dos fibras, de entre una amplia gama de fibras, tales como fibras de acero rectas, fibras de acero acabadas en gancho, fibras de acero retorcidas, fibras de PVA, fibras de polietileno y fibras de polipropileno. Adicionalmente se realizó una validación experimental de la red. Los resultados demostraron la eficiencia del modelo de acuerdo con los parámetros estadísticos utilizados, así como su precisión y versatilidad para tratar datos nuevos.Tipo de ítem | Ubicación actual | Colección | Signatura | Info Vol | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems |
---|---|---|---|---|---|---|---|---|---|
TRABAJOS DE GRADO | Biblioteca Jorge Álvarez Lleras Fondo general | Digital | 624.1 R741i (Navegar estantería) | Ej. 1 | 1 | Disponible | D001770 |
Tesis (Ingeniero Civil)
El siguiente trabajo dirigido investiga la eficiencia de la implementación de redes neuronales artificiales (ANN) para la predicción de la capacidad de absorción de energía (g) del concreto de ultra-altas-prestaciones reforzado con fibras (UHPFRC) en función de su dosificación, sometido a tracción directa. Para el desarrollo del proyecto, se utilizaron 500 dosificaciones de concretos UHPFRC compiladas de la literatura científica con la finalidad de realizar el ajuste del modelo matemático. Para mejorar el modelo, se dividieron los datos recolectados en datos de entrenamiento y testeo. La red se ajustó usando validación k-fold con los datos de entrenamiento y se evaluó con los datos de testeo. Para el modelo se consideraron las dosificaciones de UHPFRC reforzados con una fibra o con mezcla hibrida de dos fibras, de entre una amplia gama de fibras, tales como fibras de acero rectas, fibras de acero acabadas en gancho, fibras de acero retorcidas, fibras de PVA, fibras de polietileno y fibras de polipropileno. Adicionalmente se realizó una validación experimental de la red. Los resultados demostraron la eficiencia del modelo de acuerdo con los parámetros estadísticos utilizados, así como su precisión y versatilidad para tratar datos nuevos.
No hay comentarios en este titulo.