Por favor, use este identificador para citar o enlazar este ítem: http://dspace.unach.edu.ec/handle/51000/13770
Título : Desarrollo de un modelo de predicción para evaluar la calidad de una edificación utilizando redes neuronales artificiales de propagación hacia atrás.
Autor : Tello Oquendo, Luis Patricio
Tello Oquendo, Edwin Francisco
Palabras clave : Calidad de una edificación
Modelo de evaluación
Redes neuronales artofociales
Propagación hacia atrás
Fecha de publicación : 13-sep-2024
Editorial : Riobamba: Universidad Nacional de Chimborazo
Citación : Tello Oquendo, E. (2024) Desarrollo de un modelo de predicción para evaluar la calidad de una edificación utilizando redes neuronales artificiales de propagación hacia atrás. (Tesis de Grado) Universidad Nacional de Chimborazo. Riobamba, Ecuador.
Resumen : La calidad de una edificación es uno de los criterios importantes de control y un aspecto crítico para las empresas, esto debido a que afecta directamente la eficiencia económica de las empresas y usuarios de las edificaciones. Una evaluación de la calidad subjetiva o no profesional es probable que provoque pérdidas económicas irreparables debido a la mala calidad de los elementos estructurales y no estructurales que componen la edificación. Por ello se realiza esta investigación, para determinar primero los parámetros y factores de un modelo de evaluación de la calidad que comprenda aspectos generales que permitan evaluar cualquier edificación y así empezar a estandarizar la forma de evaluación. En particular se definieron 5 parámetros con 16 factores a evaluar; luego, con el fin de evitar la subjetividad humana en los criterios de evaluación, se diseña e implementa un algoritmo de red neuronal artificial del tipo feedforward backpropagation para predecir la calidad de una edificación. Para ello se utiliza la evaluación de 12 expertos en una edificación de hormigón armado definida como caso de estudio; esas evaluaciones sirven para entrenar, validar y probar el algoritmo de la red neuronal. El entrenamiento del algoritmo se lo hace hasta que el error cuadrático medio final, el error del conjunto de prueba y el error del conjunto de validación sean menores a 10^(-2) y presenten características similares, además, que el valor de R sea mayor al 90% en las salidas de la red, lo que significa que la red neuronal es bastante precisa con los resultados que predice y está lista para usarse.
Descripción : The quality of a building is one of the essential control criteria and a critical aspect for companies because it directly impacts the financial efficiency of companies and the users of buildings. A subjective or non-professional quality assessment will likely cause irreparable economic losses due to the poor quality of the structural and non-structural elements that make up the building. Because quality assessment is crucial, this study aimed first to determine the parameters and factors of a quality assessment model that includes general aspects that allow the assessment of any building and thus begin to standardize how people perform assessment. In particular, the researcher defined five parameters with 16 assessment factors. The parameters help avoid human subjectivity in the assessment criteria. This study designed an artificial neural network algorithm of the feedforward backpropagation type. The implementation of the algorithm was valuable to assess the quality of a building. To do this, 12 experts assessed a building with solid concrete reinforcement. The building was the case study that provided evidence for the present research. The building assessment was valuable for training, validating, and testing the neural network algorithm. The training algorithm is performed until the final mean square error and the validation set error is less than two. In addition, the R-value is greater than 90% at the network output, which means the neural network is quite accurate with its predicted results. Therefore, the neural network is ready to be used.
URI : http://dspace.unach.edu.ec/handle/51000/13770
ISSN : UNACH-DP-IC-GC
Aparece en las colecciones: Maestría en Ingeniería Civil con mención en Gestión de la Construcción
Maestría en Ingeniería Civil con mención en Gestión de la Construcción
Maestría en Ingeniería Civil con mención en Gestión de la Construcción



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.