Redes neuronales artificiales y simulación de Montecarlo como modelo predictivo que determine las propiedades físicas del concreto de alta resistencia

Abstract

Se propone un modelo de Red Neuronal Artificial Supervisado para la predicción del resultado del ensayo a compresión de un concreto de construcción tras el periodo de curado a partir de datos de fabricación fácilmente medibles. La resistencia a compresión del concreto es uno de los parámetros más importantes en su control de calidad. Sin embargo, estos ensayos se realizan tras un periodo de curado que hace que los resultados disten de ser inmediatos a la fabricación del producto. Por lo tanto, se propone un modelo matemático fiable para obtener los resultados del ensayo en forma inmediata. El modelo propuesto presenta coeficiente de correlación mayor a 0.85 y permiten reducir considerablemente el tiempo en obtener los resultados de la resistencia a la compresión. En el presente trabajo se desarrollará una metodología para obtener tanto la incertidumbre como los intervalos de confianza de la salida de un modelo específico de red neuronal basándonos en el Método de Simulación de Monte Carlo especificado en el Suplemento 1 de la GUM1 para posteriormente aplicarlo a la modelización del ensayo de resistencia a compresión del concreto.

A Supervised Artificial Neural Network model is proposed for the prediction of the result of the compression test of a construction concrete after the curing period from easily measurable manufacturing data. The compressive strength of the concrete is one of the most important parameters in its quality control. However, these tests are performed after a curing period which makes the results far from being immediate to the manufacture of the product. Therefore, a reliable mathematical model is proposed to obtain the results of the test immediately. The proposed model has a correlation coefficient greater than 0.85 and allows a considerable reduction in the time to obtain the results of the compressive strength. In the present work, a methodology will be developed to obtain both the uncertainty and the confidence intervals of the output of a specific model of neural network based on the Monte Carlo Simulation Method specified in Supplement 1 of the GUM and later apply it to the Modeling of the compressive strength test of the concrete.