SciELO - Scientific Electronic Library Online

 
vol.18 issue1Effects of environmental variables on the composition of ants (Hymenoptera: Formicidae) in Amazonian foothills forest author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

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

Share


Iteckne

Print version ISSN 1692-1798

Abstract

VALDERRAMA-PURIZACA, Frank Jesús et al. Importancia de las redes neuronales artificiales en la ingeniería civil: Una revisión sistemática de la literatura. Iteckne [online]. 2021, vol.18, n.1, pp.71-83.  Epub Nov 09, 2021. ISSN 1692-1798.  https://doi.org/10.15332/iteckne.v18i1.2542.

Las redes neuronales artificiales (RNA) tienen un papel relevante en la actualidad, diversas áreas aplican esta técnica por las ventajas que presentan para resolver problemas complejos con muchas restricciones en comparación con los métodos tradicionales, que están quedando desfasados. Se conoce muy poco acerca de esta técnica y su aplicación en distintas ramas de la Ingeniería Civil. Por tal motivo, la presente investigación tiene por objetivo realizar una revisión sistemática de la literatura para identificar el uso de esta técnica y determinar los resultados de la aplicación de modelos de RNA en la ingeniería civil. Se incluyeron un total de 41 artículos científicos que se distribuyen de la siguiente forma: 6 en Scopus, 1 en ScienceDirect, 23 en ProQuest, 7 en Google Académico, 2 en Dialnet, 2 en SciELO. Se encontró que las RNA son utilizadas para predecir o pronosticar variables asociadas a los campos de estudio de la ingeniería civil, se hallaron 8 aplicaciones de RNA para propiedades del concreto, 11 para propiedades del suelo, 5 para análisis sísmico, 9 para hidráulica, 7 para valorización de inmuebles y 1 para diseño de puentes. Así mismo se encontró que el Perceptrón Multicapa es el modelo de RNA más utilizado, logrando en promedio un R2 de 0.99, lo que demuestra ventajas para resolver problemas con precisión, en tiempos más cortos, con datos faltantes en los conjuntos de datos, así como la reducción del factor de error.

Keywords : Red neuronal; propiedades del concreto; mecánica de suelos; análisis sísmico; aprendizaje automático; modelo RNA.

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