Estimación de parámetros de compactación y resistencia de soporte en suelos de subrasante utilizando redes neuronales artificiales supervisadas en la pavimentación de la Av. Ejército de Andrés Avelino Cáceres Ayacucho, 2021
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de San Cristóbal de Huamanga
Abstract
El objetivo principal de la presente investigación es la estimación de los parámetros del ensayo próctor como son la densidad máxima seca (gr/cm3) y el contenido de humedadóptimo (%) y el método utilizado en la presente investigación es el modelo de red neuronal artificial de Feed Forward backpropagation para su entrenamiento y validación hasta alcanzar un buen desempeño para la predicción de los datos alcanzando entre un 70 a 80%, utilizando 3 capas en la arquitectura de datos como son el input data o datos de entrada, Hidden Layer o capas ocultas y la capa de salida o output layer, donde utilizamos en cada capa 3 neuronas artificiales con el error cuadrático medio de 0.053 y una función de activación PURELIN utilizando la herramienta nntools y nrtools de MATLAB llegando a predecir los resultados de los parámetros próctor para la pavimentación de la avenida el Ejército Ayacucho, se utilizó la técnica de análisis documental y como instrumentos registros, y en los resultados finales se obtuvo los valores aproximados a la densidad máxima seca y al contenido de humedad óptima obtenidos del laboratorio en un 70 a 80% de aproximación descritos en la tabla N°4.2 y 4.4 de la presenta investigación concluyendo que se tuvo un buen desempeño la red neuronal artificial para la predicción de los parámetros próctor.
Description
Keywords
Resistencia, Subrasante, Redes neuronales artificiales, Pavimentación, Input Layer, Ouput layer, Hidden Layer, PURELIN
