Propuesta de un modelo de red neuronal artificial para la predicción de desplazamiento máximo en columnas de grava en base a ensayos de carga estática

Abstract

Las Redes Neuronales Artificiales (RNA) se han desarrollado en distintos campos de la ingeniería, debido a que estas simulan los comportamientos de las neuronas biológicas, la cual permite que se adapten a cualquier entorno y resuelvan diversos tipos de problemas. En la presente tesis, se emplean los resultados del ensayo de carga estática, el cual tiene por objetivo comprobar la hipótesis de diseño y conocer el comportamiento real de la columna de grava, obteniéndose un gráfico de esfuerzo-deformación del comportamiento del elemento. El valor resultante de dicho ensayo de carga estática es el desplazamiento máximo, el cual consiste en aplicar la carga última a la columna de grava para producir este. La aplicación de la RNA en este campo nos permite ahorrar en tiempo y costos.

En la presente tesis, se aplica un modelo de red neuronal para predecir los desplazamientos máximos que pueden tener las columnas de grava basándose en los ensayos de carga estática que contienen las características geotécnicas del suelo, características de las columnas de grava y los valores resultantes de la misma. Para ello, se solicitó información de diversos proyectos donde se realizaron ensayos de carga estática para poder obtener datos reales y, posteriormente, entrenar el modelo de RNA correctamente. De esta manera, poder predecir el desplazamiento máximo en columnas de grava mediante el uso de RNA con una diferencia menor o igual al 20% con respecto a los resultados de los ensayos convencionales de carga estática, demostrando así un margen de error aceptable.

Artificial Neural Networks (ANN) have been developed in different fields of engineering, because they simulate the behavior of biological neurons, which allows them to adapt to any environment and solve different types of problems. In this thesis, the results of the static load test are used, which aims to test the design hypothesis and to know the real behavior of the stone column, obtaining a stress-strain graph of the behavior of the element. The resulting value of the static load test is the maximum displacement, which consists of applying the ultimate load to the stone column to produce the maximum displacement. The application of ANN in this field allows us to save time and costs.

In the present thesis, a neural network model is applied to predict the maximum displacements that stone columns can have based on the static load tests that contain the geotechnical characteristics of the soil, characteristics of the stone columns and the resulting values of the same. For this purpose, information was requested from various projects where static load tests were performed to obtain real data and, subsequently, to train the ANN model correctly. In this way, to be able to predict the maximum displacement in stone columns using ANN with a difference of less than or equal to 20% with respect to the results of conventional static load tests, thus demonstrating an acceptable margin of error.