Cálculo del límite elástico del acero en piezas de hormigón armado haciendo uso de técnicas de Machine Learning y Deep Learning
Authors
Garcia Cerrillo, AdrianDate
2023Bibliographic citation
García Cerrillo, Adrián. Cálculo del límite elástico del acero en piezas de hormigón armado haciendo uso de técnicas de Machine Learning y Deep Learning. Trabajo Fin de Grado. Universidad de Alcalá, 2023.
Keywords
Machine learning
Deep learning
Hormigón armado
Acero
Algoritmo
Reinforced concrete
Steel
Algorithm
Document type
info:eu-repo/semantics/bachelorThesis
Version
info:eu-repo/semantics/acceptedVersion
Rights
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Access rights
info:eu-repo/semantics/openAccess
Abstract
Hoy en día debido a los nuevos avances tecnológicos y computacionales se permite almacenar y procesar
una gran cantidad de información y gracias a ello es posible utilizar los datos y la tecnología en infinidad
de aplicaciones. En este caso se centra en el ámbito de la construcción, en el que el hormigón armado es un
material que puede presentar comportamientos no lineales. Al presentar estas no linealidades modelizar
una respuesta numérica puede ser una tarea compleja. Para ello se presenta una alternativa utilizando
varios algoritmos de predicción basados en Machine Learning y Deep Learning. Para implementar los
algoritmos se ha hecho uso del lenguaje de programación Python. Además, se han realizado dos enfoques,
un análisis multisalida, que consiste en predecir todas las variables respuesta a la vez, y un análisis de una
única variable respuesta. Ambos enfoques han sido comparados, interpretados y analizados, obteniendo
resultados de los algoritmos empleados. Finalmente se ha concluido que el enfoque basado en predecir
una única variable respuesta es mucho más preciso y que el algoritmo que mejor se ha adaptado a los
datos ha sido Support Vector Regression. También se han obtenido resultados positivos utilizando redes
neuronales en ambos enfoques. Nowadays, due to new technological and computational advances, it is possible to store and process a
large amount of information and thanks to this it is possible to use data and technology in countless appli cations. In this case it focuses on the field of construction, in which reinforced concrete is a material that
can present non-linear behaviors. When presenting these nonlinearities, modeling a numerical response
can be a complex task. For this, an alternative is presented using several prediction algorithms based on
Machine Learning and Deep Learning. To implement the algorithms, the Python programming language
has been used. In addition, two approaches have been carried out, a multi-output analysis, which consists
of predicting all the response variables at the same time, and an analysis of a single response variable.
Both approaches have been compared, interpreted and analyzed, obtaining results from the algorithms
used. Finally, it has been concluded that the approach based on predicting a single response variable is
much more precise and that the algorithm that has best adapted to the data has been Support Vector
Regression. Positive results have also been obtained using neural networks in both approaches.
Files in this item
Files | Size | Format |
|
---|---|---|---|
TFG_Garcia_Cerrillo_2023.pdf | 6.212Mb |
|
Files | Size | Format |
|
---|---|---|---|
TFG_Garcia_Cerrillo_2023.pdf | 6.212Mb |
|