Resumen de Predicción de resistencia a compresión del hormigón mediante redes neuronales haciendo uso del agregado de la cantera de Antonio Maceo.

Carmen Laura Martínez Pérez, Alejandro Hernández Hernández

• español

  La calidad de los áridos tanto grueso como fino influye directamente en la resistencia que luego obtendrá el hormigón, el cual es ensayado siguiendo lo establecido en la NC724:2015 para determinar si realmente resistirá las cargas a las que estará sometido durante su vida útil, pero este ensayo como todos los demás requiere costo y tiempo para su realización. El diseño de un modelo de predicción de resistencias mediante redes neuronales posibilita obtener un diseño óptimo de estos hormigones sin depender de la experiencia de quien dosifica o de métodos que pueden conducir a resultados menos racionales. Este modelo de predicción se determina mediante el uso de una base de datos de la ENIA Matanzas, compuesto por 17 variables en la capa de entrada, dos capas ocultas y una de salida referida a la resistencia a compresión del hormigón, emplea algoritmo de aprendizaje Levenberg–Marquardt (LM) con validación cruzada

• English

  The quality of both coarse and fine aggregates directly influences the strength that the concrete will obtain, which is tested according to the standard NC724:2015 to determine whether the material will actually withstand the loads to which it will be subjected during its useful life, but this trial like all others requires cost and time to perform. The design of a resistance prediction model using neural networks allows to obtain an optimal design of these concretes. This prediction model is determined by the use of an ENIA Matanzas database, composed of 17 variables in the input layer, two hidden layers and an output layer (the compression resistance of concrete) , employs Levenberg-Marquardt (LM) learning algorithm with cross-validation.