Las prácticas actuales de diseño estructural de concreto armado consta en realizar cálculos de diseño manuales o mediante la automatización parcial con software de computadora. Se ha observado que tales prácticas conducen a menudo considerar valores mucho más altos de factor de seguridad y otros supuestos innecesarios. Frente a esa problemática esta investigación se centra en la optimización de losas, teniendo como objetivo principal optimizar el diseño de dos tipos de losas no preesforzadas de grandes luces en edificaciones de concreto armado utilizando el algoritmo grey wolf optimization (GWO) y una red neuronal. Para ello, se han diseñado 50 modelos de losas aligeradas con sobrecarga de 250 kg/m2 y una carga muerta adicional por tabiquería y acabados de 220 kg/m2.
Los modelos diseñados sirvieron para el entrenamiento de dos redes neuronales (1 para diseño refuerzo positivo y 2 refuerzo negativo). Los parámetros de entrada a la red se definieron como la luz de la edificación, número de tramos continuos y apoyos de las losas, la luz libre, número de tramo y apoyo a diseñar. Respecto al algoritmo gwo se obtuvo convergencia temprana y las variables caen en sus límites. Finalmente, las redes neuronales entrenadas si brindan buenos resultados con errores menos de 10% para el diseño de modelos dentro de su campo de entrenamiento, fuera de el para el refuerzo positivo se obtuvo los diámetros de refuerzo igual al diseño tradicional y las longitudes de desarrollo se diferenciaron dentro del 50%.
Identifer | oai:union.ndltd.org:usat.edu.pe/oai:tesis.usat.edu.pe:20.500.12423/4767 |
Date | January 2022 |
Creators | Vasquez Requejo, Jose Manuel |
Contributors | Cachi Cerna, Gabriel |
Publisher | Universidad Católica Santo Toribio de Mogrovejo, PE |
Source Sets | Universidad Catolica Santo Toribio de Mogrovejo |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/bachelorThesis |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by/4.0/ |
Page generated in 0.0016 seconds