Resumen

La intrincada interacción entre los componentes microscópicos y sus propiedades macroscópicas en las estructuras de mampostería complica su modelado de análisis de falla. Se ha desarrollado una estrategia compuesta que incorpora redes neuronales (NN) y autómatas celulares (CA) para predecir la carga de falla en paneles de mampostería con y sin aberturas sometidos a cargas laterales. Los paneles discretizados son modelados mediante la metodología de CA utilizando nueve celdas vecinas, las cuales obtienen sus valores de estado a partir de parámetros geométricos y la ubicación de las aberturas en los paneles. Un coeficiente de identificación dictado por estos parámetros geométricos y datos experimentales se introduce como datos de entrenamiento de entrada para la NN. La NN utiliza un algoritmo de retropropagación y dos capas ocultas con funciones de activación sigmoideas para predecir las cargas de falla. Este método logra una mayor precisión en la predicción en comparación con los métodos de línea de

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Microscópico; Propiedades macroscópicas; Estructuras de albañilería; Red neuronal; Autómatas celulares; Análisis de falla
• Keywords:Microscopic; Macroscopic properties; Masonry structures; Neural network; Cellular automata; Failure analysis