REDES NEURONALES PROFUNDAS PARA LA EVALUACIÓN DE SENSIBILIDAD DE VARIABLES DE DISEÑO EN LOS PARÁMETROS DE DISEÑO ESTRUCTURAL DE PAVIMENTOS FLEXIBLES PARA VÍAS DE BAJO TRÁNSITO
DOI:
https://doi.org/10.24054/rcta.v2i42.2597Palabras clave:
Red neuronal profunda, análisis de sensibilidad, teoría elástica multicapa, pavimentos flexiblesResumen
Resumen: El objetivo de este estudio es implementar redes neuronales profundas (RNPs) para evaluar la sensibilidad de parámetros de diseño en pavimentos flexibles de carreteras con bajo volumen de tráfico. Ciento ocho estructuras fueron modeladas utilizando el programa Pitra Pave® (modelo de teoría elástica multicapa (TEM) para análisis estructural de pavimentos) para generar la base de datos requerida para desarrollar las RNPs. Estas redes, a través de pesos de conexión, permitieron la comparación con TEM para evaluar la sensibilidad de las variables de diseño (módulo resiliente y espesor de capa) sobre los parámetros de diseño estructural. Los resultados sugieren el impacto significativo de los espesores de capa. Adicionalmente, las predicciones de los parámetros de diseño estructural obtenidos mediante las RNPs variaron entre 0,03% y 10,87% respecto a TEM. Para futuras investigaciones, se sugiere ampliar la base de datos y desarrollar una red multi-predictiva.
Citas
Instituto Nacional de Vías (2008). Manual de diseño geométrico de carreteras.
Alejandra, M., Ariza, A., Alejandro, P., & Romero, A. (2017). Las vías terciarias en Colombia, una oportunidad para la ingeniería vial y el desarrollo del país. Universidad Católica.
Caro, S., & Caicedo, B. (2017). TECNOLOGÍAS PARA VÍAS TERCIARIAS: PERSPECTIVAS Y EXPERIENCIAS DESDE LA ACADEMIA. Revista de Ingeniería, 45. https://doi.org/10.16924/revinge.45.3
Coria Gutiérrez, C. A., Hernández Domínguez, R. I., & Garnica Anguas, P. (2018). Teorías para calcular esfuerzos, deformaciones y deflexiones en pavimentos flexibles: un enfoque mecanicista. In IMT Instituto Mexicano del Transporte (Issue 72).
Corté, J. F., & Goux, M. T. (1996). Design of pavement structures: The French technical guide. Transportation Research Record, 1539. https://doi.org/10.3141/1539-16
Ghanizadeh, A. R., & Ahadi, M. R. (2015). Application of artificial neural networks for analysis of flexible pavements under static loading of standard axle. International Journal of Transportation Engineering, 3(1).
Ghanizadeh, A. R., Heidarabadizadeh, N., & Jalali, F. (2020). Artificial neural network back-calculation of flexible pavements with sensitivity analysis using Garson's and connection weights algorithms. Innovative Infrastructure Solutions, 5(2). https://doi.org/10.1007/s41062-020-00312-z
Gopalakrishnan, K. (2018). Deep learning in data-driven pavement image analysis and automated distress detection: A review. In Data (Vol. 3, Issue 3).
Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. ArXiv Preprint ArXiv:1412.6980.
Loría-Salazar, L. G., Aguiar-Moya, J. P., Trejos-Castillo, C., & Rojas-Pérez, F. (2017). Solución a la teoría de multicapa elástica y software de cálculo de las respuestas del pavimento PITRA PAVE.
Massenlli, G. S. R., & Paiva, C. E. L. de. (2019). Influencia de la deflexión superficial en pavimentos flexibles con subrasante de baja resistencia. Ingeniare. Revista Chilena de Ingeniería, 27(4).
Pereira, P., & Pais, J. (2017). Main flexible pavement and mix design methods in Europe and challenges for the development of an European method. In Journal of Traffic and Transportation Engineering (English Edition) (Vol. 4, Issue 4). https://doi.org/10.1016/j.jtte.2017.06.001
Plati, C., Georgiou, P., & Papavasiliou, V. (2016). Simulating pavement structural condition using artificial neural networks. Structure and Infrastructure Engineering, 12(9). https://doi.org/10.1080/15732479.2015.1086384
Rondón Quintana, H. A., & Reyes Lizcano, F. A. (2007). Metodologías de diseño de pavimentos flexibles: Tendencias, alcances y limitaciones. Ciencia e Ingeniería Neogranadina, 17(2). https://doi.org/10.18359/rcin.1074
Sandoval, Higuera;Hernando, C. (2006). Análisis de sensibilidad de las variables de diseño de un pavimento rígido y su incidencia en la deflexión. Facultad de Ingeniería, 15(20).
Yang, X., Guan, J., Ding, L., You, Z., Lee, V. C. S., Mohd Hasan, M. R., & Cheng, X. (2021). Research and applications of artificial neural network in pavement engineering: A state-of-the-art review. In Journal of Traffic and Transportation Engineering (English Edition) (Vol. 8, Issue 6).
Descargas
Publicado
Versiones
- 2023-12-28 (6)
- 2023-12-28 (5)
- 2023-12-28 (4)
- 2023-12-28 (3)
- 2023-12-28 (2)
- 2023-12-28 (1)
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA (RCTA)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores que publiquen en esta revista aceptan las siguientes condiciones:
-
Los autores conservan los derechos morales de autor y otorgan a la revista el derecho de la primera publicación del trabajo. Este trabajo se licencia bajo la Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0 DEED), que permite a terceros utilizar el trabajo siempre que se dé crédito adecuado a los autores y a la primera publicación en esta revista. No se permite el uso comercial de la obra y no se pueden crear obras derivadas.
-
Los autores pueden celebrar acuerdos contractuales adicionales e independientes para la distribución no exclusiva de la versión del artículo publicado en esta revista (por ejemplo, incluirlo en un repositorio institucional o publicarlo en un libro), siempre que se indique claramente que el trabajo se publicó por primera vez en esta revista.
-
Se permite y se recomienda a los autores publicar su trabajo en Internet (por ejemplo, en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado.