Análisis del comportamiento no lineal de una estructura de pavimento flexible mediante el empleo de redes neuronales

Abstract

El uso de datos de ensayos no destructivos como el deflectómetro de carga de impacto para retro calcular el módulo de capa es un método ampliamente usado en los países desarrollados. Muchos de los programas comerciales de retro cálculo no tienen en cuenta la no linealidad de los materiales, por consiguiente no producen resultados realísticos. El Mich-Pave es un software de análisis estructural de pavimentos con métodos de elementos finitos la cual tiene incorporada la no linealidad, que fue utilizada para generar una base de datos sintéticos, para desarrollar el modelo estructural basado en redes neuronales artificiales. La ANN de mapas auto organizados fue utilizada para clasificar la base de datos en clusters con características similares, para formar grupos de entrenamiento, validación y testeo que es utilizada en las ANN de retro propagación. El ANN de retro propagación del error fue entrenado para aproximar la función de retro cálculo de las propiedades mecánicas. Esta tesis muestra que mediante el empleo de ANN con estructura apropiada, el coeficiente correlación (R), en la estimación del módulo de la carpeta asfáltica Eac, K1 de la base y/o sub base y K1 de la sub rasante son 0.975, 0.913 y 0.979 respectivamente. Por consiguiente las ANN pueden ser utilizadas como una herramienta rápida y aproximada para el retro cálculo de los módulos de capa considerando la no linealidad.

The use of falling weight deflectometer – based back calculation techniques to determine the cape module is a largely method used in the developed countries. Many of commercial programs they do not take into account nonlinear, consequently realistic do not produce aftermaths. The Mich - Pave is structural- analysis software of pavements with methods of finite elements incorporated her no linearity, that it was used to generate a data base synthetic, to develop the structural based model in artificial neural networks. ANN SOM it was used to classify the data base in clusters with similar characteristics, to form groups training, validation and test that is utilized in ANN backpropagation. ANN backpropagation was trained to backcalculating the mechanical properties. This thesis showed than by ANN employed with structure proper, the coefficient correlation (R), in the asphaltic concrete module Eac, base and/or sub base k1 and subgrade K1, 0.975, 0.913 and 0.979 are respectively. Consequently ANN can be utilized as a fast and tool to the back calculating of the cape modules considering nonlinear.