3. OPTIMIZACIÓN Y COMPUTACIÓN INTELIGENTE
Memoria sobre modelado de asentamiento de concreto que contiene
agregado grueso natural de los alrededores de Bida utilizando una red
neuronal artificial.
Descripción del problema
Predecir el asentamiento de una mezcla de concreto sustituyendo el
granito por grava natural.
4. OPTIMIZACIÓN Y COMPUTACIÓN INTELIGENTE
Descripción del modelo
Red neuronal artificial con una capa de entrada, una oculta y una de salida.
Arquitecturas:
• 5:5:1
• 5:10:1
• 5:15:1
• 5:20:1
5. OPTIMIZACIÓN Y COMPUTACIÓN INTELIGENTE
Datos
A partir de 36 mezclas de concreto con grava natural se obtiene A/C, cantidad
de agua, cemento, grava y asentamiento, posteriormente se aplica la técnica
de normalización mínimo.-máximo. (Escala -1 y 1).
Entrenamiento
Con el algoritmo de retropropagación de Levenberg-Marquardt se suministran
70% de los datos en entrenamiento y 15% para validación.
8. OPTIMIZACIÓN Y COMPUTACIÓN INTELIGENTE
Resultados
Rendimiento
Conclusiones
• El modelo de red neuronal artificial es mejor para predecir el asentamiento
sustituyendo el agregado grueso de la mezcla de concreto en comparación
con el modelo estadístico de regresión lineal múltiple (MLR).
• Dado que en algunos puntos el MLR predice un asentamiento con una
diferencia de 50mm, no es recomendable porque en la ingeniería se debe
predecir el asentamiento con una precisión que no sobrepase el rango de
10 mm.
9. OPTIMIZACIÓN Y COMPUTACIÓN INTELIGENTE
OPCION DE MEJORA
• Realizar una mayor cantidad de combinaciones de mezcla de hormigón
con BNG para ampliar el espacio de datos de entrada del modelo y realizar
un mejor entrenamiento del modelo.
