TÉCNICAS DE APRENDIZAJE AUTOMÁTICO PARA ANÁLISIS A FLEXIÓN EN VIGAS RECTANGULARES DE HORMIGÓN ARMADO

Resumen

Este proyecto analiza el uso de cuatro técnicas de aprendizaje automático: Regresión Lineal (LR), Máquinas de Soporte Vectorial (SVM), Redes Neuronales Artificiales (ANN) y Aprendizaje de Máquina Extremo (ELM) en el estudio de vigas rectangulares de hormigón armado sometidas a flexión. Inicialmente, se desarrollaron dos algoritmos: uno para calcular el momento último resistente de una sección rectangular de hormigón armado y otro para calcular las flechas mediante el diagrama momento-curvatura, siguiendo los lineamientos del Eurocódigo Nº 2. Utilizando estos algoritmos, se generó una base de datos con las propiedades de las secciones, incluyendo la resistencia del acero y el hormigón, y los parámetros geométricos y de armado. Esta base de datos fue sometida a un análisis de componentes principales (PCA), que permitió desacoplar las variables geométricas de las relacionadas con la resistencia de los materiales. Se utilizaron las técnicas de aprendizaje automático para predecir el momento último resistente de las secciones. El mismo enfoque fue aplicado para el análisis de flechas, generando una base de datos con los valores de los parámetros geométricos y de carga, así como la flecha calculada. Los resultados mostraron que la Regresión Lineal no era confiable para este análisis, mientras que SVM, ANN y ELM ofrecieron predicciones más precisas, destacando el método ANN por su precisión. ELM, por su parte, se destacó por su simplicidad y eficiencia computacional. Finalmente, se utilizó ANN para predecir la resistencia característica del hormigón a partir de la flecha, concluyendo que las técnicas de aprendizaje automático son herramientas potentes para el análisis de vigas de hormigón y tienen potencial para aplicarse en estructuras en general.

Palabras clave