Resumen

La resistencia a la compresión del hormigón se ha predicho utilizando redes neuronales artificiales evolutivas (RNA) como una combinación de redes neuronales artificiales (RNA) y procedimientos de búsqueda evolutiva, como los algoritmos genéticos (AG). En este trabajo para construir los modelos se han utilizado muestras de piezas cilíndricas de hormigón con diferentes características con 173 patrones de datos experimentales. Se consideraron como entradas la relación agua-cemento, el tamaño máximo de la arena, la cantidad de grava, el cemento, 3/4 de arena, 3/8 de arena y el coeficiente de arena blanda; y utilizando los modelos ANN se calcula la resistencia a la compresión del hormigón. Además, utilizando el AG, se optimiza el número de capas y nodos y los pesos en los modelos RNA. Para evaluar la precisión del modelo, el modelo RNA optimizado se compara con el modelo de regresión lineal múltiple (MLR). Los resultados de la simulación verifican que el modelo RNA recomendado goza de mayor flexibilidad, capacidad y precisión en la predicción de la resistencia a la compresión del hormigón.

• Materias:Aluminio Propiedades fisicoquímicas Hidráulica Agua Ingenierí­a hidráulica Soldadura Hidróxido de aluminio
• Subjects:Aluminum Chemicophysical properties Hydraulics Water Hydraulic engineering Welding Aluminum hydroxide
• Palabras claves:resistencia del hormigón, red neuronal artificial, resistencia a la compresión, modelo ann, parámetros de arena blanda, modelo ann optimizado, cantidad de grava, resultados de la simulación, pieza cilíndrica de hormigón, procedimientos de búsqueda evolutiva
• Keywords:strength of concrete, artificial neural network, compressive strength, ann model, soft sand parameters, optimized ann model, amount of gravel, results of simulation, cylindrical concrete part, evolutionary search procedures