Uso de redes neuronales artificiales en el cálculo de la distorsión de entrepiso en edificaciones de albañilería confinada, Lima - 2022

Abstract

Uno de los problemas más conocidos al momento de hacer el análisis estructural de una edificación de albañilería confinada es lo largo e iterativo que son los procesos de cálculo, por esta razón en esta investigación se tuvo como principal objetivo el uso de Redes Neuronales Artificiales para desarrollar un modelo que clasifique e identifique ciertos comportamientos para obtener el mismo resultado, pero de forma más rápida y sencilla. Para cumplir con el objetivo se consideraron viviendas las cuales fueron analizadas haciendo uso de un software de análisis estructural comercial, este paso previo sirvió para generar la matriz de entrenamiento con datos de entrada y datos de salida para el aprendizaje de la Red Neuronal Artificial (RNA). Para la obtención del código de programación se hizo una selección adecuada de parámetros a usarse para que la aproximación hecha por la RNA sea la correcta, para ello se usó una metodología basada en procesos matemáticos simplificados desarrollados en el software de programación Python. Cuando se tuvo la combinación de parámetros correctos se elaboró el modelado en el software de análisis estructural comercial para el caso de estudio de esta investigación, el cual se trató de una vivienda la cual fue analizada de forma convencional siguiendo los lineamientos indicados en la Norma E070, finalmente, se obtuvieron las distorsiones de entrepiso y estas se compararon con la distorsión de entrepiso obtenido con la RNA. De esta manera se demostró que el uso de las RNA pueden ser una alternativa para el cálculo de valores de distorsión de entrepiso en edificaciones de albañilería confinada.

One of the best-known problems when carrying out the structural analysis of a building with confined bricklaying is how long and iterative the calculation processes are. For this reason, in this research, the main objective was the use of Artificial Neural Networks to develop a model that classifies and identifies certain behaviors to obtain the same result, but in a faster and easier way. To meet the objective, firstly houses were analyzed using commercial structural analysis software. This previous step served to generate the training matrix with input data and output data for the learning of the Artificial Neural Network (ANN). To obtain the programming code, an adequate selection of parameters to be used was made so that the approximation made by the ANN is correct, for this purpose a methodology based on simplified mathematical processes developed in the Python programming software was used. When the combination of correct parameters was obtained, the modeling was developed in the commercial structural analysis software for the case study of this investigation, which was a house that was conventionally analyzed following the guidelines indicated in the Standard E070. Finally, distortions between stories were obtained and these were compared with the ones obtained with the ANN and thus, it was demonstrated that the use of ANIN can be an alternative for the calculation of distortion values between stories in a building with confined bricklaying