Predicción de las resistencias a la compresión del concreto con agregado fino parcialde plástico utilizando redes neuronales artificiales y revisiones

• Autores: Cornelius Ngunjiri Ngandu
• Localización: ITECKNE: Innovación e Investigación en Ingeniería, ISSN-e 2339-3483, ISSN 1692-1798, Vol. 19, Nº. 1, 2022, págs. 61-68
• Idioma: español
• Títulos paralelos:
  • Prediction of compressive strengths of concrete with partial fine aggregateof plastic using artificial neural network and revisions
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En los últimos años, los desechos plásticos han sido una amenaza para el medio ambiente. La utilización de desechos plásticos como sustitución de agregados finos podría reducir la demanda y los impactos negativos de la extracción de arena al tiempo que aborda los desafíos de los desechos plásticos.

    Este estudio tiene como objetivo evaluar modelos de predicción de resistencias a la compresión para concreto con plástico, principalmente plástico reciclado, como reemplazo parcial o adición de agregados finos, mediante el uso de redes neuronales artificiales (ANN), desarrollado en OCTAVE 5.2.0 y conjuntos de datos de revisiones. Se utilizaron 44 conjuntos de datos de 8 fuentes diferentes, que incluían cuatro variables de entrada, a saber: - relación agua: aglutinante; controlar la resistencia a la compresión (MPa); % de reemplazo o aditivo de plástico por peso y tipo de plástico; y la variable de salida fue la resistencia a la compresión del hormigón con agregados plásticos parciales.

    Se ejecutaron varios modelos y el modelo seleccionado, con 14 nodos en la capa oculta y 320.000 iteraciones, indicó el error cuadrático medio general (RMSE), el factor de varianza absoluto (R2), el error absoluto medio (MAE) y el error porcentual absoluto medio (MAPE). ) valores de 1,786 MPa, 0,997, 1,329 MPa y 4,44%. Tanto los valores experimentales como los predichos mostraron un% de reducción generalmente creciente de las resistencias a la compresión con el aumento del% de agregado fino plástico.

    El modelo mostró errores razonablemente bajos, precisión razonable y buena generalización. El modelo ANN podría utilizarse ampliamente en el modelado de hormigón verde, con áridos finos de plástico de desecho parcial. El estudio recomienda la aplicación de modelos ANNs como posible alternativa para el diseño de mezclas de prueba de concreto verde. Deben fomentarse las técnicas sostenibles, como los superplastificantes de bajo costo a partir de material reciclado y las tecnologías rentables para dimensionar y dar forma adecuada al plástico para la aplicación de agregados finos, a fin de mejorar la resistencia del hormigón con agregados plásticos parciales.

  • English

    In recent past years, plastic waste has been a environmental menace. Utilization of plastic waste as fine aggregate substitution could reduce the demand and negative impacts of sand mining while addressing waste plastic challenges.

    This study aims at evaluating compressive strengths prediction models for concrete with plastic—mainly recycled plastic—as partial replacement or addition of fine aggregates, by use of artificial neural networks (ANNs), developed in OCTAVE 5.2.0 and datasets from reviews. 44 datasets from 8 different sources were used, that included four input variables namely:- water: binder ratio; control compressive strength (MPa); % plastic replacement or additive by weight and plastic type; and the output variable was the compressive strength of concrete with partial plastic aggregates.

    Various models were run and the selected model, with 14 nodes in hidden layer and 320,000 iterations, indicated overall root mean square error (RMSE) , absolute factor of variance (R2), mean absolute error (MAE) and mean absolute percentage error (MAPE) values of 1.786 MPa, 0.997, 1.329 MPa and 4.44 %. Both experimental and predicted values showed a generally increasing % reduction of compressive strengths with increasing % plastic fine aggregate.

    The model showed reasonably low errors, reasonable accuracy and good generalization. ANN model could be used extensively in modeling of green concrete, with partial waste plastic fine aggregate. The study recommend ANNs models application as possible alternative for green concrete trial mix design. Sustainable techniques such as low-cost superplasticizers from recycled material and cost-effective technologies to adequately sizing and shaping plastic for fine aggregate application should be encouraged, so as to enhance strength of concrete with partial plastic aggregates.