Evaluación de las propiedades mecánicas del suelo para pavimentos, utilizando redes neuronales artificiales como herramienta predictiva – Ayacucho, 2023

Abstract

Las Redes Neuronales Artificiales (RNA) se ha venido desarrollando en el campo de la Ingeniería Civil con más fuerza en los últimos años, esta herramienta simula la conducta de las neuronas biológicas, adaptándose a cualquier trabajo y resolviendo distintos problemas. Su aplicación en el campo de la ingeniería permite disminuir costos y tiempo, ya que solo se necesita de seres humanos con conocimientos en programación de Software como el Python. Este proyecto investigación se centra en la evaluación de las propiedades mecánicas del suelo con el propósito de mejorar la eficacia en el diseño de pavimentos. Se aborda la complejidad de las interacciones suelo-pavimento y la importancia crítica de comprender las propiedades mecánicas del suelo para garantizar la durabilidad y el rendimiento de los pavimentos de todas sus provincias de la región Ayacucho. El presente, aborda un enfoque innovador utilizando Redes Neuronales Artificiales como herramienta predictiva para modelar y predecir las propiedades mecánicas del suelo. Se explora la capacidad de la RNA para aprender patrones complejos a partir de conjuntos de datos que hemos obtenido de estudios de suelos y que a su vez son heterogéneos, es por ello que se ha optado por usar el modelo de Validación Cruzada, incorporando variables como, límites de consistencia, contenido de humedad, densidad, CBR entre otros. El estudio se basa en la recopilación y análisis de datos experimentales de propiedades mecánicas de los suelos de la Región Ayacucho, utilizando métodos tradicionales de ensayo. Estos datos se emplean para entrenar y validar la RNA, evaluando su precisión y eficacia en la predicción de propiedades del suelo relevantes para el diseño de pavimentos. Los resultados obtenidos revelan la capacidad de las RNA para proporcionar predicciones eficientes con un porcentaje de error mínimo, permitiendo una caracterización precisa y detallada en comparación con métodos convencionales. Además, se exploran posibles mejoras y ajustes en la arquitectura de la red para optimizar en la precisión del modelo, enfocado en las propiedades mecánicas del suelo de la Región Ayacucho.