Resumen En diseño y construcción de estructuras de concreto, la resistencia a compresión lograda a los 28 días, es la especificación de control de estabilidad de la obra. La inclusión de fibras como reforzamiento de la matriz cementicia, ha permitido una ganancia en sus propiedades, además de la obtención de un material de alto desempeño; sin embargo, la resistencia a compresión sigue siendo la especificación a cumplir en la normatividad de la construcción. Las redes neuronales artificiales, como un símil de las neuronas biológicas, han sido utilizadas como herramientas de predicción de la resistencia a compresión en el concreto sin fibra. Los antecedentes en este uso, muestran que es de interés el desarrollo de aplicaciones en los concretos reforzados con fibras. En el presente trabajo, redes neuronales artificiales han sido elaboradas para predecir la resistencia a compresión en concretos reforzados con fibras de polipropileno. Los resultados de los indicadores de desempeño muestran que las redes neuronales artificiales elaboradas pueden realizar una aproximación adecuada al valor real de la propiedad mecánica, abriendo una futura e interesante agenda de investigación. Palabras ClavesResistencia a compresión; concreto reforzado con fibras; fibra de polipropileno; predicción; inteligencia artificial; redes neuronales artificiales. Abstract In concrete structures’ design and construction, the compressive strength achieved at 28 days, is the work’s stability control specification. The inclusion of reinforcing fibers into the cementicious matrix, has allowed a gain in their properties, as well as obtaining a high performance material, however, the compressive strength remains the specification to meet the construction regulations. Artificial neural networks as a biological neurons’ simile have been used as tools for predicting the plain concrete compressive strength. The backgrounds in this application show that interest is the development of applications in fiber-reinforced concrete. In this paper, artificial neural networks have been developed to predict the compressive strength in polypropylene fiber reinforced concrete. The results of the performance indicators show that the developed artificial neural networks can perform an adequate approximation to the actual value of the mechanical property, opening an interesting future research.KeywordsCompressive strength, fiber-reinforced concrete, polypropylene fiber, prediction, artificial intelligence, artificial neural networks.
Effect of temperature on the compressive strength and sustainability of expanded clay lightweight basalt fiber reinforced concrete
