Eficacia en la predicción de los parámetros de resistencia al corte a partir del comportamiento físico en suelos granulares empleando redes neuronales artificiales - experimental, Perú 2023.

Huaccachi Pumallihua, Jhon Paul

Eficacia en la predicción de los parámetros de resistencia al corte a partir del comportamiento físico en suelos granulares empleando redes neuronales artificiales - experimental, Perú 2023.

dc.contributor.advisor	Vilchez Peña, Angel Hugo
dc.contributor.author	Huaccachi Pumallihua, Jhon Paul
dc.date.accessioned	2024-12-03T14:36:43Z
dc.date.available	2024-12-03T14:36:43Z
dc.date.issued	2024
dc.description.abstract	Para este estudio se entrenó, validó y probó un modelo neuronal que predice parámetros de resistencia al corte efectivos (?’ y c’) en suelos granulares (no cohesivos), para la etapa de entrenamiento y validación se utilizaron 1105 datos secundarios recolectados de investigaciones universitarios (tesis peruanas), y para probar el modelo se usaron 39 datos primarios obtenidos de ensayos de corte directo (ASTM-3080) realizados en laboratorio de suelos. El modelo mostró en la etapa de prueba, entre valores predichos y valores observados un R-cuadrado de 0.86 para el ángulo de fricción efectiva interna y 0.77 para la cohesión efectiva, y con errores inferiores a los umbrales aceptables de 5%. Se concluyó que el modelo neuronal predice o estima eficazmente estos parámetros de corte a partir de la distribución granulométrica, límite de consistencia, densidad seca y contenido de humedad de un suelo granular. Además, se analizó la importancia relativa de diferentes factores físicos del suelo, como la distribución granulométrica, los límites de consistencia, la densidad seca y contenido de humedad, en el modelo neuronal desarrollado sobre la predicción de la resistencia al corte, se encontró que la distribución granulométrica es la más influyente para el ángulo de fricción y la cohesión (especialmente de porcentaje de partículas finas) y, siendo el contenido de humedad el menos influyente, los métodos análisis de sensibilidad y de gradiente de entrada son las que se usaron para determinar la importancia relativa de las características de entrada frente a la salida del modelo neuronal. Estos análisis proporciona una perspectiva sobre cómo las características físicas del suelo afectan la resistencia al corte y, por ende, la estabilidad de las estructuras soportadas por estos tipos de suelos. El estudio excluyó suelos arcillosos y consolidados debido a sus características adicionales necesarias para el modelado, sugiriendo la creación de modelos específicos para estos suelos en futuras investigaciones.	es_PE
dc.description.uri	Tesis	es_PE
dc.format	application/pdf
dc.identifier.other	TESIS CIV599_Hua
dc.identifier.uri	https://repositorio.unsch.edu.pe/handle/20.500.14612/7226
dc.language.iso	spa	es_PE
dc.publisher	Universidad Nacional de San Cristóbal de Huamanga	es_PE
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess	en_US
dc.rights.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/	*
dc.source	Universidad Nacional de San Cristóbal de Huamanga	es_PE
dc.source	Repositorio Institucional - UNSCH	es_PE
dc.subject	Parámetros	es_PE
dc.subject	Resistencia	es_PE
dc.subject	Corte	es_PE
dc.subject	Comportamiento físico	es_PE
dc.subject	Suelos granulares	es_PE
dc.subject	Redes neuronales artificiales	es_PE
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.01.01
dc.title	Eficacia en la predicción de los parámetros de resistencia al corte a partir del comportamiento físico en suelos granulares empleando redes neuronales artificiales - experimental, Perú 2023.	es_PE
dc.type	info:eu-repo/semantics/bachelorThesis	en_US
renati.advisor.dni	09720928
renati.advisor.orcid	https://orcid.org/0000-0002-8039-7647
renati.author.dni	46456269
renati.discipline	732016
renati.juror	Estrada Cárdenas, José Ernesto
renati.juror	Vilchez Peña, Angel Hugo
renati.juror	Lizarbe Alarcón, Hemerson
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Ingeniería Civil
thesis.degree.grantor	Universidad Nacional de San Cristóbal de Huamanga. Facultad de Ingeniería de Minas, Geología y Civil
thesis.degree.level	Título profesional
thesis.degree.name	Ingeniero Civil