Determinación de la composición de morteros de albañilería para la conservación de construcciones históricas...

Área de la Ciencia:

• Ciencias de los materiales
• Química
• Inteligencia artificial

Sus antecedentes:

• Los morteros de albañilería son cruciales para las estructuras históricas.
• El análisis preciso del mortero es vital para una conservación efectiva.
• Replicar las propiedades originales del mortero con materiales modernos es un desafío.

Objetivo del estudio:

• Desarrollar un nuevo enfoque de red neuronal artificial (ANN) para determinar la composición y el tipo de mortero de mampostería.
• Permitir la creación de recetas de mortero para la conservación de mampostería histórica utilizando las materias primas disponibles.
• Asegurar que los morteros de conservación posean propiedades similares a las formulaciones originales.

Principales métodos:

• Formación de una ANN con un conjunto de datos de cemento, cal y morteros de cemento y cal con composiciones conocidas.
• Utilizando las propiedades clave del mortero para el análisis ANN: porosidad total, densidad específica, residuo insoluble, contenido de SiO2, contenido de CaO, relación Si/Ca y resistencia a la compresión.
• Validación de la exactitud de la ANN para determinar la composición del mortero y clasificar los tipos de mortero.

Principales resultados:

• La ANN obtuvo un error de validación inferior al 5% para determinar la composición del mortero.
• La ANN demostró una precisión de más del 93% en la clasificación de los tipos de mortero.
• El estudio confirma la eficacia de las ANN en el análisis de los morteros de mampostería para la conservación.

Conclusiones:

• Las redes neuronales artificiales proporcionan un método muy preciso para el análisis del mortero de mampostería.
• Los ANN son herramientas valiosas para identificar tipos y composiciones de mortero en estructuras históricas.
• Este enfoque facilita el desarrollo de recetas de mortero adecuadas para la conservación del patrimonio.