SciELO - Scientific Electronic Library Online

 
vol.34 issue2Aluminum-silicon coatings on austenitic stainless steel (AISI 304 and 317) deposited by chemical vapor deposition in a fluidized bedA mathematical model for fixed-end moments for two types of loads for a parabolic shaped variable rectangular cross section author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Ingeniería e Investigación

Print version ISSN 0120-5609

Abstract

BELTRAN, G  and  ROMO, M. Evaluación del desempeño de redes neuronales artificiales para estimar propiedades de capas de pavimentos. Ing. Investig. [online]. 2014, vol.34, n.2, pp.11-16. ISSN 0120-5609.  http://dx.doi.org/10.15446/ing.investig.v34n2.42158.

Una de las principales preocupaciones en la evaluación de la condición estructural de pavimentos flexibles en servicio, es la estimación de propiedades mecánicas de las capas, útiles para el diseño y toma de decisiones en los sistemas de gestión de carreteras. Este problema de identificación de parámetros es realmente complejo, debido al gran número de variables involucradas en el comportamiento de los pavimentos. Para esos fines, se ha considerado modelar la respuesta del pavimentos ante pruebas de campo, mediante soluciones adaptativas o aproximadas no convencionales usando Redes Neuronales Artificiales - RNAs. Las investigaciones previas han demostrado la capacidad excepcional de las RNAs para estimar módulos de capas, a partir de pruebas no destructivas de deflexión; sin embargo, la mayoría de los casos reportados han utilizado datos sintéticos de deflexión, o sistemas de pavimento hipotéticos. En este trabajo se presentan nuevos intentos para retrocalcular los módulos de capa con modelos de RNAs, a partir de una base de datos obtenida de pruebas de deflexión realizadas en campo sobre sistemas de pavimento de tres y cuatro capas; se consideraron estructuras tradicionales y pavimentos con capas de subbase rigidizada. Para el diseño y validación del modelo "óptimo" de RNAs, es decir, la mejor arquitectura posible y el algoritmo de aprendizaje más adecuado, se desarrolló una metodología en tres etapas. La evaluación del modelo neuronal resultante, muestra su capacidad y eficiencia de predicción para resolver un problema complejo de identificación de parámetros en pavimentos.

Keywords : Redes neuronales artificiales; pavimentos; auscultación no destructiva; deflexiones; módulos de capa.

        · abstract in English     · text in English     · English ( pdf )