El uso de las Redes Neuronales Artificiales en la modelización de la evolución temporal de la resistencia del concreto de altas prestaciones

Autores/as

  • Francisco García Fernández y Colls.

DOI:

https://doi.org/10.33017/RevECIPeru2014.0001/

Palabras clave:

Concreto de altas prestaciones, resistencia a compresión, redes neuronales artificiales

Resumen

El concreto de altas prestaciones es un material relativamente reciente ya que su utilización data de finales de los 60s. Sin embargo, innumerables ventajas hacen que cada vez sea utilizado más en la construcción. Su fabricación parte del concreto estándar al que se le añaden una serie de aditivos como microsílice o cementantes que le confieren unas mejores prestaciones respecto al concreto estándar como un aumento de la resistencia cercano al 100%.

Las propiedades de este concreto recién están siendo estudiadas en detalle y actualmente no hay muchos estudios acerca de la influencia de los aditivos en la resistencia, optimización de las formulaciones o su evolución de la resistencia a compresión con el tiempo de curado. De todas las propiedades mecánicas del concreto, la resistencia a compresión a los 28 dias es la más utilizada para su control de calidad.

En este estudio se va a analizar la evolución de dicha propiedad  en función del tiempo y de la cantidad de cemento por metro cúbico mediante el uso de una red neuronal artificial.

Las redes neuronales artificiales son unas estructuras matemáticas con una gran capacidad de modelización numérica, especialmente cuando las relaciones entre las variables implicadas en el proceso son complejas o no obedecen a ecuaciones matemáticas sencillas.  Se pueden considerar como conjunto complejo de funciones no lineales (funciones de transferencia o neuronas) interconectadas entre si, capaces de autoajustarse a partir de unas variables de entrada y salida conocidas.  Podríamos decir que son modelos de regresión múltiple en los que no se conoce el algoritmo o la expresión que permita alcanzar la solución, o éstos sean tan sumamente complicados  que imposibilitan su utilización.  Se inspiran en las redes neuronales biológicas. Son capaces de aprender a partir de una serie de ejemplos, sin necesidad de conocer a priori las relaciones que pudieran existir entre las variables implicadas en el proceso, ajustando los pesos de las relaciones entre ellas, para posteriormente predecir un resultado coherente cuando se introducen nuevos desconocidos en la red.

Estas estructuras han sido ampliamente utilizadas para la obtención de las propiedades mecánicas de distintos materiales como el cemento en los que se busca predecir la resistencia a la compresión después del proceso de curado a partir de datos iniciales; algunos metales  o el basalto. Para el tablero de partículas también se han utilizado para modelizar su cohesión interna a partir de parámetros de fabricación o sus propiedades mecánicas de resistencia a la flexión, módulo de elasticidad y resistencia interna a partir de ensayos físicos  a fin de predecir posibles fallos en la producción sin tener que esperar a realizar dichos ensayos mecánicos.

La red obtenida en este estudio presenta un coeficiente de correlación de 0.90 lo que la hace especialmente apta para la modelización que se pretende llevar a cabo. La modelización se ha realizado con periodos de curado entre 7 y 56 días. Estudios posteriores con periodos de curado superiores permitirán ratificar los resultados iniciales de este estudio.

Descargas

Publicado

2018-12-22

Número

Sección

ARTÍCULOS ORIGINALES

Artículos más leídos del mismo autor/a

Nota: Este módulo requiere de la activación de, al menos, un módulo de estadísticas/informes. Si los módulos de estadísticas proporcionan más de una métrica, selecciona una métrica principal en la página de configuración del sitio y/o en las páginas de propiedades de la revista.