Por favor, use este identificador para citar o enlazar este ítem: http://cybertesis.uni.edu.pe/handle/uni/1132
Título : Predicción de la respuesta sísmica de muros de albañilería confinada empleando redes neuronales artificiales
Autor : Damián Jara, Melquiades Dámaso
Asesor : Zavala Toledo, Carlos A.
Palabras clave : red Neuronal Artificial (RNA);Muro de albañilería;Red Neuronal feedforward
Fecha de publicación : 2013
Editorial : Universidad Nacional de Ingeniería
Resumen : En la presente tesis se emplea una Red Neuronal Artificial (RNA) para determinar la respuesta a una acción/desplazamiento lateral en muros de albañilería confinada. Para ello se preparan los datos de entrada al modelo, correspondiente al desplazamiento lateral y la carga vertical del muro confinado; así como la información de salida de la red, modelando el agrietamiento del muro como una secuencia de ceros y unos (0: no agrietado, 1: agrietado), además de la respuesta/fuerza lateral del muro que corresponde al patrón de agrietamiento. Luego se diseña la arquitectura; una Red Neuronal feedforward con propagación del error hacia atrás (Backpropagation), un algoritmo de entrenamiento de tipo gradiente descendente con momento y aprendizaje variable, y una capa oculta con 33140 neuronas. La red se entrena para aprender los agrietamientos y las fuerzas laterales, logrando que reproduzca los datos aprendidos con aceptable precisión.
In this thesis, it is employed an Artificial Neural Network (ANN) to determine the response to a lateral force/displacement in confined masonry walls. For that, the model input data are prepared, corresponding to the lateral displacement and the confined wall vertical load as well as the network output, modeling the confined wall cracking as a sequence of zeros and ones (0: non cracked, 1: cracked), besides the wall lateral response/force that corresponds to the cracking pattern. Afterwards, it is designed the architecture, a feedforward Neural Network with Backpropagation algorithm, a gradient descent training algorithm with variable moment and learning rate, and a hidden layer of 33140 neurons. The network is trained to learn the cracks and lateral forces, by making it reproduces the learnt data with acceptable precision.
URI : http://cybertesis.uni.edu.pe/handle/uni/1132
Derechos: info:eu-repo/semantics/openAccess
Aparece en las colecciones: Maestría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
damian_jm.pdf2,19 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons