Los sobrecostos en la construcción de edificaciones de concreto armado representan pérdidas de un 28% de la inversión (Flyvbjerg, 2002), esto se debe a que las secciones de los elementos estructurales son sobredimensionadas y generan mayor costo en el concreto y acero. Por ello, se realizó la presente investigación en la que se empleó una metodología capaz de optimizar las dimensiones de los elementos estructurales (columnas, vigas y placas) en edificios multifamiliares regulares de 6 pisos.
La metodología empleada se basó en el uso de redes neuronales del tipo feedforward, en la que se estableció como variables de entrada, los datos preliminares que se tienen de una edificación y como variables de salida las dimensiones de cada elemento estructural. Para ello, se elaboraron 30 edificios de 6 pisos como base de datos y en cada uno de estos se realizaron las verificaciones de derivas según la Norma Técnica Peruana E 0.30 y la resistencia de cada elemento estructural. De la base de datos se usaron 22 como entrenamiento y 8 para la validación interna de la red neuronal. La estructura de la red neuronal se estableció luego de ejecutar 10 diferentes redes neuronales y se seleccionó la red con un coeficiente de correlación más homogéneo y cercano a 1, en esta investigación fue de 0.98.
Finalmente, se realizó la comparación del volumen de concreto que se emplea en una edificación dimensionada con métodos convencionales con el uso del software ETABS y los obtenidos con el uso de la metodología empleando redes neuronales artificiales, según esto, se calculó la diferencia de concreto entre ambos casos. Con los resultados obtenidos se comprobó que la metodología aplicada en esta investigación brinda un ahorro eficaz cercano al 10%. / Cost overruns in the construction of reinforced concrete buildings represent losses of 28% of the investment (Flyvbjerg, 2002), this is due to the fact that the sections of the structural elements are oversized and generate higher costs in concrete and steel. Therefore, the present research was carried out using a methodology capable of optimizing the dimensions of structural elements (columns, beams and slabs) in regular 6-story multifamily buildings.
The methodology used was based on the use of feedforward neural networks, in which the preliminary data of a building were established as input variables and the dimensions of each structural element as output variables. For this purpose, 30 6-story buildings were prepared as a database and in each one of them the drift verifications were performed according to the Peruvian Technical Standard E 0.30 and the resistance of each structural element. From the database, 22 were used for training and 8 for the internal validation of the neural network. The structure of the neural network was established after running 10 different neural networks and the network with the most homogeneous correlation coefficient close to 1 was selected; in this research it was 0.98.
Finally, a comparison was made between the volume of concrete used in a building dimensioned with conventional methods with the use of ETABS software and those obtained with the use of the methodology employing artificial neural networks, according to this, the difference of concrete between both cases was calculated. With the results obtained, it was proved that the methodology applied in this research provides an effective saving close to 10%. / Tesis
| Identifer | oai:union.ndltd.org:PERUUPC/oai:repositorioacademico.upc.edu.pe:10757/655741 |
| Date | 04 March 2021 |
| Creators | Sanchez Maguiña, Mildred Madeleine, Vidal Feliz, Pool Rusbel |
| Contributors | Arana Vasquez, Victor Ernesto |
| Publisher | Universidad Peruana de Ciencias Aplicadas (UPC), PE |
| Source Sets | Universidad Peruana de Ciencias Aplicadas (UPC) |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf, application/epub, application/msword |
| Source | Universidad Peruana de Ciencias Aplicadas (UPC), Repositorio Académico - UPC |
| Rights | info:eu-repo/semantics/openAccess, Attribution-NonCommercial-ShareAlike 4.0 International, http://creativecommons.org/licenses/by-nc-sa/4.0/ |
Page generated in 0.0027 seconds