Apoyo en la construcción de una viga e implementación de una red neuronal con aprendizaje híbrido para estimar temperaturas en el concreto en el marco del proyecto de investigación VIE-UIS 2823

Abstract

La elaboración de este trabajo tuvo como objetivo principal brindar apoyo en la construcción de una viga de concreto reforzado y la medición de su temperatura interna y externa, durante un periodo de cuatro meses, en el marco del proyecto de investigación VIE-UIS 2823. Para esto, se emplearon dos cámaras termográficas una FLIR C5 y un dron DJI MAVIC 2 ENTERPISE ADVANCED (EU), una estación meteorológica Davis Vantage Pro2, un sistema de adquisición de datos Hydra Series III y cuarenta termopares tipo T embebidos en el segmento de viga bajo estudio. Además, se desarrolló una red neuronal con aprendizaje híbrido para estimar la temperatura interna en un bloque de concreto. Específicamente, en este trabajo se presentan: las actividades de apoyo en la construcción de un segmento de viga de estudio y en, la medición de temperatura con 40 termopares instalados en la viga, una revisión de literatura sobre el uso de redes neuronales en la estimación de temperatura interna del concreto, y la implementación de una red neuronal híbrida para predecir la temperatura de un bloque de concreto. Para este último punto, se emplearon redes con función de base radial con aprendizaje híbrido, combinando el aprendizaje supervisado y no supervisado, implementando una programación usando el algoritmo K-means para aprendizaje no supervisado. Este enfoque permitió definir las variables de entradas de la RNA, la radiación solar, temperatura ambiente y la temperatura externa en las caras lateral, superior y frontal que influyen en la estimación de la temperatura interna del bloque de concreto analizado. Los resultados muestran que el índice de confianza, este es la relación entre los datos medidos y los resultados proporcionados por la RNA oscila entre el 85% y el 90%, dependiendo de la cantidad de datos con que se entrene la red.