Ayuda
Ir al contenido

Dialnet


Resumen de Predicción de resistencia a la compresión para agregados de vidrio con concreto incorporado, utilizando redes neuronales y revisiones

Cornelius Ngunjiri Ngandu

  • español

    La producción de hormigón mediante el uso de materiales convencionales es insostenible debido a la alta demanda. De ahora en adelante, es necesario aumentar el uso de materiales alternativos, incluidos los de corrientes de desechos, en el hormigón. Esta investigación tiene como objetivo desarrollar un modelo predictivo adecuado de hormigón con agregados de vidrio parciales o al 100%.

    Se adoptaron 50 conjuntos de datos revisados de 9 fuentes y se desarrollaron modelos de redes neuronales artificiales (ANN) en GNU Octave. Los modelos de prueba tenían 7 variables de entrada y 1 variable de salida (resistencia a la compresión) y 1 capa oculta. El modelo seleccionado, que tiene 24 nodos en la capa oculta y 90.000 iteraciones, indicó el error cuadrático medio general (RMSE), los errores medios absolutos (MAE), los errores porcentuales absolutos medios (MAPE) y el factor de varianza absoluto (R2 ) de 2.679 MPa., 1,422 MPa, 6,951% y 0,996 respectivamente. Los agregados finos de vidrio entre> 40% y 50% indicaron un poco más del 11% de resistencias promedio de los controles. En general, los valores de RMSE, MAE, MAPE y R2 mostraron que el modelo seleccionado tenía un buen nivel de precisión y una buena generalización, particularmente considerando que los conjuntos de datos no eran del mismo programa experimental. El estudio recomienda la investigación y la utilización de agregados finos de vidrio hasta un 50% en peso, teniendo en cuenta otros factores de influencia y también la investigación de aditivos rentables y respetuosas con el medio ambiente y evaluaciones sobre los agregados de vidrio de desecho incorporados al hormigón.

  • English

    Production of concrete by use of conventional materials is unsustainable due to high demand.

    Henceforth, there is need to upscale the use of alternative materials, including those from waste streams, in concrete. This research aims at developing a suitable predictive model of concrete having partial or 100% glass aggregates. 50 datasets reviewed from 9 sources were adopted and artificial neural network (ANN) models were developed in GNU Octave. The trial models had 7 input variables and 1 output variable (compressive strength) and 1 hidden layer. The selected model, having 24 nodes in the hidden layer and 90.000 iterations, indicated overall root mean square error (RMSE), mean absolute errors (MAE), mean absolute percentage errors (MAPE) and absolute factor of variance (R2 ) of 2.679 MPa, 1.422 MPa, 6.951% and 0.996 respectively. The glass fine aggregates between >40% and 50% indicated just over 11% average strengths from the controls. Generally, RMSE, MAE, MAPE and R2 values showed that the selected model had a good accuracy level and good generalization, particularly considering that the datasets were not from the same experimental program. The study recommends research and utilization of glass fine aggregates up to 50% by weight, with consideration to other influencing factors and also research in cost-effective and environmentally friendly additive and assessment on waste glass aggregates incorporated concrete.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus