Modelos predictivos de la resistencia del hormigón mediante estadística y redes neuronales artificiales

Abstract

[ES] El hormigón es el material más utilizado en la construcción a nivel mundial, por la versatilidad y su bajo coste que tiene al usarlo, la resistencia a la compresión del hormigón es uno de los parámetros importantes que lo caracteriza, para ello es necesario conocer el comportamiento al momento de su fabricación. La resistencia a la compresión del hormigón depende de la dosificación de los materiales, siendo los materiales más influyentes en la obtención de la resistencia a la compresión la cantidad de cemento, el tipo de cemento y la relación que existe entre la cantidad de agua y la cantidad total de material cementante (a/TCM), existen también otros factores influyentes en el desempeño de la resistencia a la compresión, pero son de menor importancia. Este trabajo presenta una base de datos construida con datos y resultados obtenidos de artículos científicos que están involucrados en la obtención de la resistencia a la compresión del hormigón, para la elaboración del mismo se obtuvo los datos de las dosificaciones, cantidades de cemento, tipos de cemento utilizados, cantidades de adiciones cementantes, cantidades de materiales pétreos, tipo de curado y temperatura de curado, la caída de asentamiento medida por el cono de Abrams y los resultados de la resistencia a la compresión del hormigón. Para analizar el comportamiento que tienen los diferentes parámetros para la obtención de la resistencia a la compresión del hormigón, se aplicado los modelos de regresión lineal y múltiple mediante la utilización de estadística clásica, así como el uso de redes neuronales artificiales para la predicción de la resistencia a la compresión. Para el análisis de la predicción de la resistencia a la compresión mediante la aplicación de redes neuronales se han utilizado dos softwares con diferente lenguaje de programación, evidencia el potencial que tiene cada uno en la obtención de los resultados esperados Se pudo comprobar que los resultados obtenidos en el análisis mediante el uso de redes neuronales artificiales son mejores que los obtenidos al utilizar la estadística clásica.

[EN] Concrete is the most used material in the construction around world, due to its versatility and its low cost when using it, the compressive strength of concrete is one of the important parameters that characterizes it, for this it is necessary to know behavior at the time of manufacture. The compressive strength of concrete depends on the dosage of the materials, the most influential materials in obtaining the compressive strength being the amount of cement, the type of cement and the relationship between the amount of water and the total amount of cementitious material (a/TCM), there are also other factors influencing the compressive strength performance, but they are less important. This work presents a database built with data and results obtained from scientific articles that are involved in obtaining the compressive strength of concrete, for its preparation, data on dosages, amounts of cement, types of cement used, quantities of cementitious additions, quantities of stone materials, type of curing and curing temperature, the slump measured by the Abrams cone and the results of the compressive strength of the concrete. To analyze the behavior of the different parameters to obtain the compressive strength of concrete, linear and multiple regression models were applied using classical statistics, as well as the use of artificial neural networks for the prediction of the compressive strength. For the analysis of the prediction of the compressive strength through the application of neural networks, two softwares with different programming languages have been used, showing the potential that each one has in obtaining the expected results. It was found that the results obtained in the analysis using artificial neural networks are better than those obtained using classical statistics.