Predicción de la proporción de la mezcla de hormigón mediante una red neuronal artificial - Ogbodo, Munachiso C.; Dumde, Dinebari K.
24,99 €
inkl. MwSt.

Versandfertig in über 4 Wochen
  • Broschiertes Buch

Este libro presenta la predicción de la proporción de mezcla de hormigón mediante un modelo de red neuronal artificial. Se ha desarrollado, entrenado y probado un modelo de red neuronal artificial con 359 conjuntos de datos de mezclas de hormigón. Estos conjuntos de datos se obtuvieron de empresas de hormigón, se clasificaron y se utilizaron, de los cuales el 70%, el 15% y el 15% se utilizaron para las fases de entrenamiento, validación y prueba respectivamente. Se adoptó un modelo de red neuronal feed-forward de 3 capas con un algoritmo de retropropagación. La capa de entrada consta de 5…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Este libro presenta la predicción de la proporción de mezcla de hormigón mediante un modelo de red neuronal artificial. Se ha desarrollado, entrenado y probado un modelo de red neuronal artificial con 359 conjuntos de datos de mezclas de hormigón. Estos conjuntos de datos se obtuvieron de empresas de hormigón, se clasificaron y se utilizaron, de los cuales el 70%, el 15% y el 15% se utilizaron para las fases de entrenamiento, validación y prueba respectivamente. Se adoptó un modelo de red neuronal feed-forward de 3 capas con un algoritmo de retropropagación. La capa de entrada consta de 5 nodos que representan la resistencia a la compresión (28 días), el módulo de finura, la proporción de áridos gruesos, la proporción de agua y cemento y el tamaño máximo de los áridos, y cinco parámetros de salida que son la resistencia a la compresión, el agua, los áridos finos, los áridos gruesos y el contenido de cemento, que son los resultados esperados. El resultado del modelo RNA se comparó con otro enfoque de diseño de mezcla de hormigón y se consideró adecuado. El error de la comparación entre los datos de salida reales y los datos predichos por la red neuronal artificial para todos los parámetros de salida fue de -0,00083. Los resultados indican la utilidad, la fiabilidad y la utilidad de la red neuronal artificial (RNA) para predecir con precisión la proporción de la mezcla de hormigón.
Autorenporträt
Munachiso Ogbodo lecciona na Universidade de Port Harcourt, Nigéria. É licenciado em Engenharia Civil e Mestre em Estruturas. Dumde Dinebari é licenciado pela Universidade de Port Harcourt com um bacharelato em Engenharia Civil.