Aplicación de Redes Neuronales Artificiales para Predecir la Capacidad de Carga y la Rigidez de Muros de Masonería Perforados
Autores: Khaleghi, Mohsen; Salimi, Javid; Farhangi, Visar; Moradi, Mohammad Javad; Karakouzian, Moses
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Aplicación de Redes Neuronales Artificiales para Predecir la Capacidad de Carga y la Rigidez de Muros de Masonería Perforados
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Civil y Estructural
Palabras clave
Perforaciones
Respuesta estructural
Capacidad de carga
Rigidez
Método Multi-Pier
Red Neuronal Artificial
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Las perforaciones afectan negativamente la respuesta estructural de las paredes de mampostería no reforzada (UMW) al reducir la capacidad de carga de la pared, lo que puede causar daños estructurales graves. En ausencia de un procedimiento confiable para predecir con precisión la capacidad de carga y la rigidez de las paredes de mampostería perforadas sometidas a cargas en el plano, este estudio presenta un enfoque novedoso para medir estos parámetros mediante el desarrollo de ecuaciones simples pero prácticas. En este sentido, se empleó el método Multi-Pier (MP) como un enfoque numérico junto con la aplicación de una Red Neuronal Artificial (ANN). Las respuestas simuladas de UMW perforadas centralmente mediante el método MP fueron validadas utilizando paredes experimentales a escala completa. El modelo MP validado se utilizó para generar una base de datos simulada. La base de datos simulada incluye resultados de análisis para 49 configuraciones diferentes de paredes de mampostería perforadas y sus correspondientes paredes de mampostería sólida. El efecto del área y la forma de las perforaciones en el comportamiento de la UMW fue evaluado mediante el método MP. Siguiendo los resultados del método MP verificado, se entrena la ANN para desarrollar ecuaciones empíricas que predigan con precisión la reducción en la capacidad de carga y la rigidez inicial debido a la perforación de la UMW. Los resultados de este estudio indican que las perforaciones tienen un efecto significativo en la capacidad estructural de la UMW sometida a cargas en el plano.
Descripción
Las perforaciones afectan negativamente la respuesta estructural de las paredes de mampostería no reforzada (UMW) al reducir la capacidad de carga de la pared, lo que puede causar daños estructurales graves. En ausencia de un procedimiento confiable para predecir con precisión la capacidad de carga y la rigidez de las paredes de mampostería perforadas sometidas a cargas en el plano, este estudio presenta un enfoque novedoso para medir estos parámetros mediante el desarrollo de ecuaciones simples pero prácticas. En este sentido, se empleó el método Multi-Pier (MP) como un enfoque numérico junto con la aplicación de una Red Neuronal Artificial (ANN). Las respuestas simuladas de UMW perforadas centralmente mediante el método MP fueron validadas utilizando paredes experimentales a escala completa. El modelo MP validado se utilizó para generar una base de datos simulada. La base de datos simulada incluye resultados de análisis para 49 configuraciones diferentes de paredes de mampostería perforadas y sus correspondientes paredes de mampostería sólida. El efecto del área y la forma de las perforaciones en el comportamiento de la UMW fue evaluado mediante el método MP. Siguiendo los resultados del método MP verificado, se entrena la ANN para desarrollar ecuaciones empíricas que predigan con precisión la reducción en la capacidad de carga y la rigidez inicial debido a la perforación de la UMW. Los resultados de este estudio indican que las perforaciones tienen un efecto significativo en la capacidad estructural de la UMW sometida a cargas en el plano.