Show simple item record

dc.contributor.advisorTorre Carrillo, Ana Victoria
dc.contributor.authorVillegas Effio, Marcelo Alonso
dc.date.accessioned2019-10-22T15:48:58Z
dc.date.available2019-10-22T15:48:58Z
dc.date.issued2019-09
dc.identifier.citation[1] M. A. Villegas Effio, «Aplicación de redes neuronales para la predicción de la resistencia a la compresión del concreto según el ensayo de esclerometría», Universidad Peruana de Ciencias Aplicadas (UPC), Lima, Perú, 2019. http://hdl.handle.net/10757/626504
dc.identifier.urihttp://hdl.handle.net/10757/626504
dc.description.abstractEl número de rebote es el valor resultante del ensayo de dureza superficial, que consiste en determinar el nivel de compacidad de las partículas del concreto. Esta característica lleva relación directa con el desarrollo de la resistencia a compresión, denominada f’c; ya que mientras más compactas se encuentren las partículas del concreto, mayor será la resistencia mecánica y mayor el valor del número de rebote. La relación de estos ensayos ha sido materia de estudio desde hace muchos años y se ha determinado valores altos de correlación, aunque sin cuantificar la influencia de parámetros adicionales que no resultan ajenos al ensayo de esclerometría. En la presente investigación se analizan los principales factores que afectan al valor de dureza superficial e influyen en la determinación de la resistencia mecánica del concreto. Los factores estudiados son la relación agua – cemento, condición de humedad, edad del concreto y tamaño máximo de agregado. Estos factores son analizados en muestras de concreto normalizadas (probetas diseñadas según norma de calidad vigente) y los resultados obtenidos procesados estadísticamente bajo la metodología de Red Neuronal Artificial (RNA), con el que se podrá predecir resultados de resistencia a compresión una vez determinados los factores antes mencionados. Los resultados demuestran que puede predecirse el resultado de resistencia a la compresión con margen de error aceptable y que considerar los factores de influencia en la predicción genera mayor exactitud en los resultados y reducción en el índice de correlación de Pearson estudiado entre los ensayos de dureza superficial y resistencia a compresión.en_US
dc.description.abstractThe rebound number index is a result value of surface hardness´s test. This method is based on obtain concrete particular’s level. This characteristic has a direct relationship with the development of compressive strength, called f’c. So, if concrete particulars are more compact, it will increase mechanic strength and rebound number index´s value. The relationships between these tests have been studied over the years and it has been estimated high values of correlation, although without quantifying the influence of additional parameters that are not indifferent to the sclerometer test. In this research are analyzed the principal factors which affect surface hardness´s value and influent in the determination of mechanic strength of concrete. The factors studied are the water-cement ratio, humidity condition, age of concrete and maximum size of aggregate. These factors are analyzed in standardized concrete samples and the results obtained were processed statistically by artificial neuronal network’s methodology (RNA), this tool will predict results of compressive strength when other factors, which were explained, have been determinate. The results of this research show that the result of resistance to compression can be predicted with acceptable margin of error and that considering the influence factors in the prediction generates better accuracy in the results and reduction in the Pearson correlation index studied between the test of surface hardness and compressive strength.en_US
dc.description.uriTesises_PE
dc.formatapplication/pdfen_US
dc.formatapplication/epuben_US
dc.formatapplication/msworden_US
dc.language.isospaen_US
dc.publisherUniversidad Peruana de Ciencias Aplicadas (UPC)en_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.sourceUniversidad Peruana de Ciencias Aplicadas (UPC)es_PE
dc.sourceRepositorio Académico - UPCes_PE
dc.subjectEsclerometríaen_US
dc.subjectDureza superficialen_US
dc.subjectResistencia a la compresiónen_US
dc.subjectRed neuronal artificialen_US
dc.subjectSclerometer testen_US
dc.subjectSurface hardnessen_US
dc.subjectCompressive strengthen_US
dc.subjectArtificial neuronal networken_US
dc.titleAplicación de redes neuronales para la predicción de la resistencia a la compresión del concreto según el ensayo de esclerometríaen_US
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
thesis.degree.grantorUniversidad Peruana de Ciencias Aplicadas (UPC). Facultad de ingenieríaes_PE
thesis.degree.levelLicenciaturaes_PE
thesis.degree.disciplineIngeniería Civiles_PE
thesis.degree.nameIngeniero Civiles_PE
refterms.dateFOA2019-10-23T02:24:17Z
dc.identifier.isni0000 0001 2196 144X
renati.typehttp://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
dc.publisher.countryPEes_PE
dc.type.otherTesises_PE


Files in this item

Thumbnail
Name:
VillegasE_M.pdf
Size:
1.334Mb
Format:
PDF
Thumbnail
Name:
VillegasE_M.docx
Embargo:
2089-09-30
Size:
2.338Mb
Format:
Microsoft Word 2007

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess