Identificación de las propiedades físicas y mecánicas seleccionadas de los compuestos de cemento modificados con...

Área de la Ciencia:

• Ciencias de los materiales
• Ingeniería civil
• Inteligencia artificial

Sus antecedentes:

• Creciente demanda de materiales de construcción sostenibles en la industria del hormigón.
• Necesidad de reducir las emisiones de CO2 asociadas a la producción de cemento.
• Exploración de subproductos de desechos como el polvo de granito como materiales cementicios suplementarios (SCM).

Objetivo del estudio:

• Desarrollar un modelo predictivo fiable para las propiedades físicas y mecánicas de los compuestos de cemento con polvo de granito.
• Evaluar el polvo de granito como una alternativa sostenible al reemplazo parcial del cemento.
• Utilizar el aprendizaje automático para la predicción de múltiples salidas en tecnología concreta.

Principales métodos:

• Pruebas experimentales de compuestos a base de cemento con hasta un 30% de polvo de granito.
• Concéntrese en la resistencia a la compresión, la fuerza de unión y la densidad de embalaje.
• Desarrollo y aplicación de una red neuronal artificial de perceptrones multicapa (MLP) con dos capas ocultas (10 y 15 neuronas).

Principales resultados:

• El modelo MLP logró una alta precisión predictiva (R > 0,9, MAPE < 6%) para todas las propiedades probadas.
• La incorporación de polvo de granito influyó positivamente en el rendimiento del concreto a lo largo del tiempo.
• La capacidad predictiva del modelo está validada para un contenido de polvo de granito de hasta el 30%.

Conclusiones:

• El polvo de granito es un SCM viable para mejorar las propiedades y la sostenibilidad del concreto.
• El aprendizaje automático, específicamente las redes neuronales, es efectivo para optimizar el diseño compuesto de cemento.
• El estudio promueve enfoques basados en datos para el desarrollo de materiales de construcción ecológicos.