Aplicación de redes neuronales para la predicción de la resistencia a la compresión del concreto según el ensayo de esclerometría

Abstract

El 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.

The 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.