Modelización del ensayo de resistencia a compresión del concreto de alta resistencia mediante una red neuronal artificial. Obtención de la incertidumbre del resultado

Resumen

En los últimos años las ANN han tenido un gran desarrollo en el control de procesos industriales debido principalmente a su capacidad de modelizar relaciones complejas, que los sistemas tradicionales no han sido capaces de hacer, y predecir satisfactoriamente si las características de un producto se adecuan o no a las especificaciones correspondientes. Estas estructuras han sido ampliamente utilizadas en la caracterización de otros materiales como cemento, hormigón, algunos metales o la madera.

El perceptrón multicapa, una de las redes neuronales artificiales más populares, se ha convertido en los últimos tiempos en una potente herramienta de modelización en numerosos campos que van desde las finanzas, a la ingeniería o la medicina. Esta herramienta consigue mejorar sustancialmente cualquier modelo previo propuesto para modelizar cualquier sistema independientemente de la naturaleza de éste, con la ventaja añadida de que no necesitan ninguna suposición previa sobre la estructura de los datos

Sin embargo, la red sólo proporciona el valor de la salida sin ninguna información acerca de su precisión. La obtención de la incertidumbre de salida es importante, no sólo porque proporciona un intervalo de confianza sobre el valor de salida, sino porque da una idea de la calidad del método de medida. Esta incertidumbre procede de dos fuentes, por un lado el ruido inherente a los valores de entrada y por otro la simplificación del fenómeno que todo modelo matemático supone.

En este trabajo se va a desarrollar una nueva metodología para obtener tanto la incertidumbre como los intervalos de confianza de la salida de un modelo específico de red neuronal, el perceptrón multicapa, basándose en el método de simulación de Montecarlo especificado en Suplemento 1 de la GUM para posteriormente aplicarlo a la modelizacion del ensayo de resistencia a compression del concreto.