Redes neuronales artificiales para la predicción de la resistencia a compresión del concreto de construcción a partir de sus parámetros de fabricación en la ciudad de Abancay-2024
Loading...
Date
2026-07
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Tecnológica de los Andes
Abstract
La presente investigación tuvo como objetivo desarrollar un modelo de red neuronal artificial capaz de predecir la resistencia a la compresión del concreto a partir de sus parámetros de fabricación, con el propósito de fortalecer el control de calidad y reducir la dependencia exclusiva de ensayos destructivos. El estudio se desarrolló bajo un enfoque cuantitativo, de tipo aplicado y diseño experimental, considerando datos experimentales obtenidos en el Laboratorio de Suelos, Concreto y Pavimentos Lunix Ingenieros S.R.L., de Abancay, así como información procedente de tesis realizadas en la misma ciudad durante el periodo 2016-2025. La base de datos estuvo conformada por 687 registros de mezclas de concreto, integrados por 17 variables de entrada, entre ellas la relación agua/cemento, edad del espécimen, temperatura y contenido de materiales. Se implementó una red neuronal multicapa, entrenada mediante el algoritmo Adam, y su desempeño fue evaluado mediante los indicadores R², MAE y RMSE. Además, los resultados fueron comparados con modelos de aprendizaje automático, como Decision Tree, Random Forest y XGBoost. El modelo propuesto alcanzó un R² de 0,963, un MAE de 13,94 kg/cm² y un RMSE de 17,61 kg/cm², evidenciando una alta correspondencia entre los valores reales y estimados. La edad del concreto, la relación agua/cemento y el contenido de cemento fueron las variables más influyentes. Se concluye que la red neuronal artificial desarrollada predice con alta precisión la resistencia a compresión del concreto y constituye una herramienta confiable para optimizar el diseño de mezclas y el control de calidad en laboratorios locales de Abancay.
Description
Keywords
Redes neuronales artificialesn, Resistencia a compresión del concreto, Predicción de propiedades del concreto, Parámetros de fabricación, Inteligencia artificial aplicada a la ingeniería civil, Diseño de mezcla, Modelos predictivos en materiales de construcción