Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales
El problema de la falla por corte en vigas de gran altura se ha estudiado ampliamente y muestran que no existe un procedimiento racional para predecir la resistencia al corte, además de varias ecuaciones ninguna de ellas produce un resultado exacto. Con el avance de la tecnología y la inteligencia a...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2019
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510223760326656 |
|---|---|
| author | Chata Llatasi, Yino Waldir |
| author2 | Aquise Pari, Juana Beatriz |
| author_browse | Aquise Pari, Juana Beatriz Chata Llatasi, Yino Waldir |
| author_facet | Aquise Pari, Juana Beatriz Chata Llatasi, Yino Waldir |
| author_sort | Chata Llatasi, Yino Waldir |
| collection | Repositorio institucional |
| description | El problema de la falla por corte en vigas de gran altura se ha estudiado ampliamente y muestran que no existe un procedimiento racional para predecir la resistencia al corte, además de varias ecuaciones ninguna de ellas produce un resultado exacto. Con el avance de la tecnología y la inteligencia artificial, tales como las redes neuronales artificiales se puede predecir la resistencia al corte de las vigas de gran altura a través de los parámetros más influyentes en la resistencia al corte, para proveer mayor confiabilidad para futuros diseños. La red neuronal artificial estuvo compuesta por una capa de entrada de datos, una capa de procesamiento de información, una capa de activación y una capa de salida que representa la resistencia al corte de la viga. Se recolectó 519 resultados experimentales de vigas de varias investigaciones, las cuales sirvieron para el entrenamiento, validación y prueba de la red neuronal. La red neuronal entrenada, se utilizó para el contraste de la predicción de la red neuronal y por la norma ACI 318 -14 y para evaluar el efecto de los parámetros de entrada. Los estudios demuestran que la relación promedio entre la resistencia al corte experimental y el estimado por las redes neuronales fue de 1.09%, mientras que la relación promedio de la resistencia al corte experimental y el estimado por la norma ACI fue de 1.38%, mostrando así que la predicción de las redes neuronales tiene mayor semejanza a los valores reales de ensayo. |
| escuela_str_mv | Escuela Profesional de Ingeniería Civil |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/1759 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | IngenierIa Estructural |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería civil |
| ocde_str_mv | 2.01.00 |
| programa_nombre_str_mv | Ingeniería Civil |
| publishDate | 2019 |
| publishDateRange | 2019 |
| publishDateSort | 2019 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Juliaca |
| spelling | Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales Chata Llatasi, Yino Waldir Aquise Pari, Juana Beatriz Red neuronal Resistencia al corte Vigas de gran altura Predicción El problema de la falla por corte en vigas de gran altura se ha estudiado ampliamente y muestran que no existe un procedimiento racional para predecir la resistencia al corte, además de varias ecuaciones ninguna de ellas produce un resultado exacto. Con el avance de la tecnología y la inteligencia artificial, tales como las redes neuronales artificiales se puede predecir la resistencia al corte de las vigas de gran altura a través de los parámetros más influyentes en la resistencia al corte, para proveer mayor confiabilidad para futuros diseños. La red neuronal artificial estuvo compuesta por una capa de entrada de datos, una capa de procesamiento de información, una capa de activación y una capa de salida que representa la resistencia al corte de la viga. Se recolectó 519 resultados experimentales de vigas de varias investigaciones, las cuales sirvieron para el entrenamiento, validación y prueba de la red neuronal. La red neuronal entrenada, se utilizó para el contraste de la predicción de la red neuronal y por la norma ACI 318 -14 y para evaluar el efecto de los parámetros de entrada. Los estudios demuestran que la relación promedio entre la resistencia al corte experimental y el estimado por las redes neuronales fue de 1.09%, mientras que la relación promedio de la resistencia al corte experimental y el estimado por la norma ACI fue de 1.38%, mostrando así que la predicción de las redes neuronales tiene mayor semejanza a los valores reales de ensayo. Tesis 2019-03-21 2019-04-25T19:16:50Z 2019-04-25T19:16:50Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/1759 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/3.0/es/ application/pdf Universidad Peruana Unión PE Universidad Peruana Unión Repositorio Institucional - UPEU oai:repositorio.upeu.edu.pe:20.500.12840/1759 2026-11-10T17:45:09Z |
| spellingShingle | Red neuronal Resistencia al corte Vigas de gran altura Predicción Chata Llatasi, Yino Waldir Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales |
| title | Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales |
| title_full | Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales |
| title_fullStr | Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales |
| title_full_unstemmed | Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales |
| title_short | Predicción de la capacidad resistente a cortante de vigas de gran altura diseñadas con la norma ACI 318 – 14 empleando redes neuronales artificiales |
| title_sort | prediccion de la capacidad resistente a cortante de vigas de gran altura disenadas con la norma aci 318 14 empleando redes neuronales artificiales |
| topic | Red neuronal Resistencia al corte Vigas de gran altura Predicción |
| topic_facet | Red neuronal Resistencia al corte Vigas de gran altura Predicción |
| url | https://hdl.handle.net/20.500.12840/1759 |
| work_keys_str_mv | AT chatallatasiyinowaldir predicciondelacapacidadresistenteacortantedevigasdegranalturadisenadasconlanormaaci31814empleandoredesneuronalesartificiales |