Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/12888| Tipo de material: | bachelorThesis |
| Título : | Predicción de la resistencia a la compresión del hormigón mediante el uso de redes neuronales |
| Autor : | Osorio Tinoco, Gerson Isaac |
| Director de Tesis : | Torres Rodas, Pablo, director |
| Descriptores : | Construcciones de hormigón armado - Diseño - Tesis y disertaciones académicas;Ingeniería civil |
| Fecha de publicación : | 2023 |
| Editorial : | Quito |
| Citación : | Tesis (Ingeniero Civil), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2023 |
| Páginas : | 37 h. |
| Acceso: | openAccess Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| Resumen : | En este proyecto se utilizó un modelo basado en redes neuronales artificiales para predecir la resistencia a la compresión del hormigón. Se obtuvieron datos de 13 tesis de la Universidad Central del Ecuador y ensayos de laboratorio realizados en la Universidad San Francisco de Quito. Con esa información se entrenó la red neuronal de 4 capas. Los resultados muestran que el modelo desarrollado puede predecir con una 97 % precisión la resistencia a la compresión de las muestras cilíndricas de hormigón. Es importante destacar que el objetivo no es reemplazar los ensayos en laboratorio sino complementarlos. Las redes neuronales permiten entender y predecir el comportamiento de materiales no uniformes como el hormigón. Por tanto, las conclusiones indican que las redes neuronales pueden ser una herramienta muy útil para el desarrollo de la tecnología del hormigón... |
| Descripción : | This project used an artificial neural network model to predict the compressive strength of concrete. Data from 13 theses from Central University of Ecuador and laboratory tests conducted at San Francisco University of Quito were collected. The four-layer neural network was trained using this information. The results demonstrate that the developed model can predict the compressive strength of cylindrical concrete samples with 97% accuracy. It is important to note that the objective is not to replace laboratory tests but to complement them. Neural networks enable the understanding and prediction of the behavior of non-uniform materials such as concrete. Therefore, the findings suggest that neural networks can be a valuable tool for the advancement of concrete technology... |
| URI : | http://repositorio.usfq.edu.ec/handle/23000/12888 |
| Aparece en las colecciones: | Tesis - Ingeniería Civil |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 211269.pdf | TEXTO COMPLETO | 1 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
