Importancia de las redes neuronales artificiales en la ingeniería civil: una revisión sistemática de la literatura

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...

Full description

Autores:
Valderrama Purizaca, Frank Jesús
Chávez Barturen, Daniel Armando
Muñoz Pérez, Sócrates Pedro
Tuesta-Monteza, Victor A.
Mejía-Cabrera, Heber Ivan
Tipo de recurso:
Fecha de publicación:
2021
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
eng
OAI Identifier:
oai:repository.usta.edu.co:11634/36231
Acceso en línea:
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2542
Palabra clave:
Rights
License
Copyright (c) 2021 ITECKNE
Description
Summary: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 utilizada, 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.