Show simple item record

dc.contributor.advisorGarcia Loayza, Mariano Robertoes_PE
dc.contributor.authorLupaca Lopez, Erik Henryes_PE
dc.contributor.authorQuispe Huacasi, Leyter Adilsones_PE
dc.date.accessioned2022-07-19T14:30:53Z
dc.date.available2022-07-19T14:30:53Z
dc.date.issued2022-07-22
dc.identifier.urihttp://repositorio.unap.edu.pe/handle/20.500.14082/18641
dc.description.abstractLa presente investigación tiene como objetivo principal evaluar la eficacia de las redes neuronales artificiales RNA en la predicción de la resistencia a la compresión y trabajabilidad del concreto ligero con esferas de poliestireno expandido modificado (MEPS). Para ello se utilizó un método experimental el cual consiste en la obtención de los resultados de los ensayos físicos de los agregados para la elaboración de diseños de mezcla. Se elaboro 3 diseños de mezclas de concreto los cuales se sustituyeron por un metro cubico del volumen de concreto en porcentajes del 5%, 15% y 30% con esferas de poliestireno expandido modificado MEPS a temperaturas de 110°C, 130°C y 145°C. Esto sirvió para dosificar y elaborar probetas de concreto obteniendo valores de resistencia a compresión y trabajabilidad. Luego utilizando el lenguaje de programación Matlab con su caja de herramientas (Neural Network Toolbox) se elaboraron modelos de redes neuronales para la predicción de la resistencia a compresión y trabajabilidad del concreto con una arquitectura perceptrón multicapa con una conexión hacia adelante (feedforward) utilizando una función de entrenamiento backpropagation. Definida la arquitectura los modelos pasaron por las siguientes fases de entrenamiento, validación y test. Para seleccionar la mejor arquitectura para cada uno de los modelos se utilizó el error cuadrático medio MSE, luego se probó la efectividad de cada modelo de red neuronal utilizando el coeficiente de determinación R2 obteniendo una capacidad predictiva para el modelo de resistencia a la compresión R2 superior a 90% mientras que para el modelo de trabajabilidad obtuvo una capacidad predictiva del 70%.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional del Altiplano. Repositorio Institucional - UNAPes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/deed.eses_PE
dc.subjectRed neuronal artificiales_PE
dc.subjectEsferas de poliestireno expandido modificadoes_PE
dc.subjectConcreto ligeroes_PE
dc.subjectResistencia a comprensiónes_PE
dc.subjectTrabajabilidad del concretoes_PE
dc.titleEficacia de las redes neuronales artificiales RNA en la predicción de la resistencia a compresión y trabajabilidad del concreto ligero con poliestireno expandido modificado MEPSes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero Civiles_PE
thesis.degree.disciplineIngeniería Civiles_PE
thesis.degree.grantorUniversidad Nacional del Altiplano. Facultad de Ingeniería Civil y Arquitecturaes_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.01.01es_PE
renati.advisor.orcidhttps://orcid.org/0000-0001-9022-1680es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
renati.discipline732016es_PE
renati.jurorMedina Leiva, Jaimees_PE
renati.jurorQuinto Gastiamburu, Dianaes_PE
renati.jurorChique Calderon, Borises_PE
renati.author.dni46808005
renati.author.dni71637843
renati.advisor.dni01292521


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess