Resumen

La creciente preocupación por el consumo de energía de los edificios en las aplicaciones de calefacción y refrigeración ha llevado a la demanda de mejorar las prestaciones de aislamiento de los materiales de construcción. El establecimiento de las propiedades térmicas de una estructura de construcción es el indicador de rendimiento clave para la eficiencia energética, mientras que para su determinación se requieren pruebas de alta precisión y exactitud que aumentan el tiempo y los costes experimentales. El objetivo principal de este estudio es desarrollar un modelo basado en una red neuronal artificial (RNA) para predecir las propiedades térmicas del hormigón a través de sus características mecánicas. Inicialmente, se prepararon diferentes muestras de hormigón y se ensayaron sus propiedades mecánicas y térmicas de acuerdo con las normas ASTM y EN. A continuación, se utilizó el algoritmo de Levenberg-Marquardt para entrenar la red neuronal en la capa oculta única utilizando 5, 10, 15, 20 y 25 neuronas, respectivamente. Para cada propiedad térmica, se utilizaron varias funciones de activación, como las funciones sigmoideas tangentes y las funciones de base triangular, para examinar el mejor rendimiento de la solución. Además, se utilizó una técnica de validación cruzada para garantizar una buena generalización y evitar el sobreentrenamiento. Los resultados de la RNA mostraron que los mejores rendimientos globales de R2 para la predicción de la conductividad térmica, el calor específico y la difusividad térmica se obtuvieron como 0,996, 0,983 y 0,995 para las funciones de activación tansig con 25, 25 y 20 neuronas, respectivamente. Los resultados de rendimiento mostraron que había una gran consistencia entre los resultados predichos y los probados, lo que demuestra la viabilidad y practicidad de los modelos RNA propuestos para predecir la propiedad térmica de un hormigón.

• Materias:Análisis de suelos Hormigón Asfalto Drenaje Acero
• Subjects:Soil testing Concrete Asphalt Drainage Steel
• Palabras claves:propiedad térmica, indicadores clave de rendimiento, consumo del edificio, rendimiento del edificio, capa oculta única, rendimiento global r2, muestra de hormigón diferente, modelo ann propuesto, mejores soluciones rendimiento, propiedad del hormigón
• Keywords:thermal property, key performance indicators, consumption of building, performance of building, single hidden layer, overall r2 performance, different concrete sample, proposed ann model, best solutions performance, property of concrete