El presente artículo trata sobre la predicción numérica de la respuesta mecánica de los hormigones asfálticos para pavimentos de carreteras, utilizando redes neuronales artificiales (ANNs). Las mezclas de hormigón asfáltico consideradas en este estudio han sido preparadas con un esqueleto de árido de diabasa y dos tipos diferentes de betún, a saber, un ligante bituminoso convencional y uno modificado con polímeros. Los hormigones asfálticos fueron producidos tanto en un laboratorio de materiales para carreteras como en una planta de producción de hormigón asfáltico. El comportamiento mecánico de las mezclas fue investigado en términos de estabilidad Marshall, flujo, cociente y además por el módulo de rigidez. Las redes neuronales artificiales utilizadas para el análisis numérico de los datos experimentales, del tipo feedforward, se caracterizaron por una capa oculta y 10 neuronas artificiales. Los resultados han sido sumamente satisfactorios, con coeficientes de correlación en la fase de prueba
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Pronóstico y Predicción de la Vida Restante de un Dispositivo Electrónico bajo Condiciones de Vibración Basado en CPSD de MPI
Artículo:
Control robusto de la tensión de la banda para laminadores en frío en tándem de 5 soportes
Artículo:
Revisión sobre vigas de concreto reforzadas con CFRP NSM en cortante.
Artículo:
Bloques de suelo estabilizados con cemento y mezclados con ceniza de bagazo de caña de azúcar
Artículo:
Método de planificación de escenarios para estimación de costos utilizando análisis morfológico
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones