| Autor: |
Moromi-Nakata, Isabel, García-Fernández, Francisco, Torre-Carrillo, Ana, Espinoza-Haro, Pedro, Acuña-Pinaud, Luis |
| Jazyk: |
angličtina |
| Rok vydání: |
2018 |
| Předmět: |
|
| Zdroj: |
Revista de la construcción, Volume: 17, Issue: 2, Pages: 319-329, Published: AUG 2018 |
| Popis: |
The use of artificial neural networks as a modeling tool for the physic-mechanical properties of diverse materials has experienced great advances in the last ten years, mainly due to the increased in computing capacities of computers. This technique has been used in many different fields of science and its effectiveness is sufficiently proven. Its application in the particle board industry complies with the requirements of the test regulations for the use in production control, as an alternative method to normalized one. However, in spite of providing a result with a great approximation, they do not indicate anything about the uncertainty of the result. This last point is crucial when the results have to be compared with a product standard. There are internationally accepted deterministic techniques for obtaining the uncertainty of a test result, always starting from the knowledge of the function that relates the measure with the measurement parameters. However, these techniques are not entirely adequate for the case of excessively complex functions such as an artificial neural network. In these cases, the use of stochastic simulation methods such as the Monte Carlo method is more appropriate. In this article, an artificial neural network will be developed to obtain the compressive strength of high-strength concrete to later obtain the uncertainty by a Monte Carlo simulation. Resumen: La utilización de las redes neuronales artificiales como herramienta de modelización de las propiedades físico-mecánicas de muy diversos materiales ha experimentado un gran avance en los últimos diez años debido principalmente al incremento de las capacidades de cálculo de los ordenadores. Esta técnica ha sido empleada en muy diversos ámbitos de la ciencia y su efectividad está suficientemente acreditada. Su aplicación en la industria de tableros de partículas cumple con los requisitos de las normativas de ensayo para la utilización en el control de producción de métodos alternativos al normalizado. Sin embargo, pese a proporcionar un resultado con una gran aproximación, no indican nada sobre la incertidumbre de dicho resultado. Y este último punto es crucial cuando se compara el resultado con la especificación del producto. Existen técnicas deterministas, aceptadas internacionalmente, para la obtención de la incertidumbre de un ensayo, siempre partiendo del conocimiento de la función que relaciona el mensurando con los parámetros de medida. Sin embargo estas técnicas no son del todo adecuadas para el caso de funciones excesivamente complejas como es el caso de una red neuronal artificial. En estos casos es más adecuado la utilización de métodos estocásticos de simulación como el método de Montecarlo. En este artículo se va a desarrollar una red neuronal artificial para la obtención de la resistencia a compresión del concreto para posteriormente obtener la incertidumbre mediante una simulación de Montecarlo. |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
