Resumen

Se ha realizado un esfuerzo para desarrollar modelos de predicción de la resistencia a la compresión del hormigón con la ayuda de dos técnicas emergentes de minería de datos, a saber, las redes neuronales artificiales (RNA) y la programación genética (GP). Los datos para el análisis y el desarrollo de los modelos se recogieron en períodos de curado de 28, 56 y 91 días a través de experimentos realizados en el laboratorio bajo condiciones estándar controladas. Los modelos desarrollados también se han probado con datos de hormigón in situ tomados de la literatura. Se presenta una comparación de los resultados de predicción obtenidos utilizando ambos modelos y se puede inferir que el modelo RNA con la función de entrenamiento Levenberg-Marquardt (LM) para la predicción de la resistencia a la compresión del hormigón es la mejor herramienta de predicción.

• Materias:Energía nuclear Dinámica molecular Metales Electrodos Acero Acero inoxidable
• Subjects:Nuclear energy Molecular dynamics Metals Electrodes Steel Stainless steel
• Palabras claves:resistencia a la compresión del hormigón, técnicas de minería de datos, modelo de predicción de la resistencia, función de entrenamiento de Levenberg, datos del hormigón in situ, mejores herramientas de predicción, modelo desarrollado, red neuronal, programación genética, desarrollo del modelo
• Keywords:concrete compressive strength, data mining techniques, strength prediction model, training function levenberg, situ concrete data, best prediction tools, developed model, neural network, genetic programming, model development