Desarrollo de un modelo de redes neuronales artificiales para predecir las propiedades mecánicas del suelo

Abstract

En este estudio se desarrollan modelos de redes neuronales artificiales para la predecir las propiedades mecánicas del suelo de la región Lambayeque. La tesis se realizó para facilitar la obtención de resultados precisos y se calculen en el menor tiempo posible. Se reunieron un total de 285 resultados de pruebas de proyectos de carreteras realizados en la región Lambayeque. Asimismo, las variables de entrada utilizadas fueron de los ensayos de contenido de humedad, contenido de sales, análisis granulométrico y límites de consistencia. Los modelos alcanzaron un error cuadrático medio favorable cuando estimaron la máxima densidad seca (0.003 g/cm3 ), el óptimo contenido de humedad (2.42%), la relación de soporte de California al 95 % de la máxima densidad seca (6.35 %) y la relación de soporte de California al 100 % de la máxima densidad seca (21.80 %). En cuanto al error absoluto medio, se obtuvieron resultados favorables al predecir la máxima densidad seca (0.035 g/cm3 ), el óptimo contenido de humedad (1.13 %), la relación de soporte de California al 95 % de la máxima densidad seca (1.65 %) y la relación de soporte de California al 100 % de la máxima densidad seca (2.79 %). Aunque son numerosos los elementos que influyen en el comportamiento del suelo, los resultados recogidos revelaron el rendimiento y las capacidades de las redes neuronales artificiales para predecir los atributos del suelo. Los modelos propuestos pueden utilizarse en proyectos reales como ayuda si se quiere obtener estas propiedades de manera rápida.