Print Friendly and PDFPrint Friendly

Artículos Regulares


Rev. LatinAm. Metal. Mat. 2019, 39(1): 59-83

MECHANICAL BEHAVIOR OF QUATERNARY CONCRETE WITH MICRO/NANO SIO2 ANALIZED BY ARTIFICIAL NEURAL NETWORKS AND SURFACE RESPONSE METHOD
(COMPORTAMIENTO MECÁNICO DE MEZCLAS CUATERNARIAS DE CONCRETO CON MICRO/NANO SIO2 ANALIZADAS EMPLEANDO REDES NEURONALES ARTIFICIALES Y EL MÉTODO DE SUPERFICIE DE RESPUESTA)

Luis Eduardo Zapata Orduz, Genock Portela, Marcelo Suárez, Brian Green

Online: 30-05-2019

GA-919

Abstract


This paper presents experimental and computational findings related to the compressive strength of concrete containing nano-SiO2, fly-ash, silica fume, and polycarboxylate-superplasticizer. At different days of aging, three central-composite experimental designs were performed to assess the role of the input variables. The statistical results indicated linear, interactive, and quadratic effects between the variables as well as mathematical lack-of-fit of the second-order. Hence, artificial neural networks (ANN) with multiple inputs were implemented to assist in understanding the complex nature of the systems. The results indicated that, by using ANN, the compressive strength of the systems could be modeled to improve the concrete´s performance acting in conjunction with results obtained from the statistical experimental designs. Sensitivity analyses on the ANN-simulations allowed for quantifying the influence of the multiple input variables and results were physically related to the mathematical lack-of-fit condition inherit in the statistical experimental designs.

Este documento presenta los hallazgos experimentales y computacionales relacionados con la resistencia a la compresión del concreto adicionado con nano-SiO2, cenizas volantes, humo de sílice y superplastificante del tipo policarboxilato. Se realizaron tres diseños experimentales centrales compuestos en diferentes días de maduración para evaluar el papel de las variables. Los resultados estadísticos indicaron efectos lineales, interactivos y cuadráticos entre las variables, así como falta de ajuste matemático de segundo orden en los diseños experimentales. Por lo tanto, se implementaron redes neuronales artificiales (ANN) con múltiples variables de entrada para ayudar a comprender la compleja naturaleza de los sistemas. Los resultados indicaron un excelente modelamiento de la resistencia a la compresión de los sistemas y mediante el uso de las ANN actuando en conjunto con los resultados obtenidos de los diseños experimentales se logró mejorar el entendimiento del concreto. Los análisis de sensibilidad en las simulaciones con las ANN permitieron cuantificar la influencia de las múltiples variables de entrada y los resultados se relacionaron con la condición matemática de falta de ajuste y explicaron físicamente con gran éxito los resultados de los diseños estadísticos experimentales que padecían dicha condición.


PDFPDF (706KB)

Abstract Accessed: 351 times

Article Downloaded: 170 times


Cite: citation