Buscar en Google Scholar
Registro completo de metadatos
Vilchez Peña, Angel Hugo
Escobar Ventura, Jonathan Joel
2024-07-02T22:18:57Z
2024-07-02T22:18:57Z
2024
TESIS CIV579_Esc
https://repositorio.unsch.edu.pe/handle/123456789/6730
El objetivo principal de la presente investigación es la estimación de los parámetros del ensayo próctor como son la densidad máxima seca (gr/cm3) y el contenido de humedadóptimo (%) y el método utilizado en la presente investigación es el modelo de red neuronal artificial de Feed Forward backpropagation para su entrenamiento y validación hasta alcanzar un buen desempeño para la predicción de los datos alcanzando entre un 70 a 80%, utilizando 3 capas en la arquitectura de datos como son el input data o datos de entrada, Hidden Layer o capas ocultas y la capa de salida o output layer, donde utilizamos en cada capa 3 neuronas artificiales con el error cuadrático medio de 0.053 y una función de activación PURELIN utilizando la herramienta nntools y nrtools de MATLAB llegando a predecir los resultados de los parámetros próctor para la pavimentación de la avenida el Ejército Ayacucho, se utilizó la técnica de análisis documental y como instrumentos registros, y en los resultados finales se obtuvo los valores aproximados a la densidad máxima seca y al contenido de humedad óptima obtenidos del laboratorio en un 70 a 80% de aproximación descritos en la tabla N°4.2 y 4.4 de la presenta investigación concluyendo que se tuvo un buen desempeño la red neuronal artificial para la predicción de los parámetros próctor. (es_PE)
Tesis (es_PE)
application/pdf
spa (es_PE)
Universidad Nacional de San Cristóbal de Huamanga (es_PE)
info:eu-repo/semantics/openAccess (en_US)
https://creativecommons.org/licenses/by-nc-sa/4.0/ (*)
Universidad Nacional de San Cristóbal de Huamanga (es_PE)
Repositorio Institucional - UNSCH (es_PE)
Resistencia (es_PE)
Subrasante (es_PE)
Redes neuronales artificiales (es_PE)
Pavimentación (es_PE)
Input Layer (es_PE)
Ouput layer (es_PE)
Hidden Layer (es_PE)
PURELIN (es_PE)
Estimación de parámetros de compactación y resistencia de soporte en suelos de subrasante utilizando redes neuronales artificiales supervisadas en la pavimentación de la Av. Ejército de Andrés Avelino Cáceres Ayacucho, 2021 (es_PE)
info:eu-repo/semantics/bachelorThesis (en_US)
Universidad Nacional de San Cristóbal de Huamanga. Facultad de Ingeniería de Minas, Geología y Civil
Ingeniería Civil
Título profesional
Ingeniero Civil
PE
https://purl.org/pe-repo/ocde/ford#2.01.01
https://purl.org/pe-repo/renati/level#tituloProfesional
09720928
https://orcid.org/0000-0002-8039-7647
46589225
732016
Lizarbe Alarcón, Hemerson
Estrada Cárdenas, José Ernesto
Vilchez Peña, Angel Hugo
https://purl.org/pe-repo/renati/type#tesis
Pública



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons