Resumen

El objetivo de este trabajo fue examinar el comportamiento de la resistencia a la compresión del hormigón de cenizas de fondo de suelo (GBA) mediante el uso de una red neuronal artificial. Para esta predicción se consideraron cuatro parámetros de entrada, en concreto, la relación agua/aglomerante (WB), el porcentaje de sustitución de GBA (PR), el tamaño medio de las partículas de GBA (PS) y la edad del hormigón (AC). Los resultados indicaron que los cuatro parámetros considerados afectan al desarrollo de la resistencia del hormigón, y que la GBA con una alta finura puede actuar como un buen material puzolánico. El modelo óptimo de RNA tenía una arquitectura con dos capas ocultas, con seis neuronas en la primera capa oculta y una neurona en la segunda capa oculta. La ecuación explícita basada en la RNA propuesta representó un modelo predictivo muy preciso, cuyos valores estadísticos de R2 fueron superiores a 0,996. Además, el comportamiento de la resistencia a la compresión determinado mediante el modelo óptimo de RNA siguió de cerca las líneas de tendencia y los gráficos de superficie de los resultados experimentales.

• Materias:Agua Ingeniería de estructuras Asfalto Acero Concreto
• Subjects:Water Structural engineering Asphalt Steel Concrete
• Palabras claves:modelo óptimo ann, comportamiento de la resistencia a la compresión, comportamiento del suelo, material puzolánico bueno, valor de r2, ecuación explícita basada, primera capa oculta, tamaño de gba, edad del hormigón, ceniza de fondo de suelo
• Keywords:optimal ann model, compressive strength behavior, behavior of ground, good pozzolanic material, value of r2, based explicit equation, first hidden layer, size of gba, age of concrete, ground bottom ash