Uso de modelo predictivo de redes neuronales para analizar y estimar la resistencia a compresión de concretos con agregados reciclados y materiales cementantes suplementarios

Abstract

El uso desmedido de los recursos naturales para la producción de la industria del concreto, así como el impacto que esto ha traído al medio ambiente, ha generado una creciente sensibilización ambiental por parte de investigadores. Esta sensibilización pretende hacer cada vez mayor el uso de métodos y materiales que permitan generar un menor impacto ambiental en la producción de concretos, como lo son el uso de agregado reciclado y de materiales cementantes suplementarios (MCS) en reemplazo parcial de agregado natural y del cemento, respectivamente. Por lo anterior, esta investigación pretende predecir la resistencia a la compresión de este tipo de concretos, a través del uso de redes neuronales artificiales (ANN) por medio de una amplia base de datos con 1181 líneas de datos experimentales de diseños de mezclas de concreto, composiciones químicas de los cementantes y propiedades físicas de los componentes, obtenidas a partir de 116 fuentes literarias de diferentes países y continentes. Como conclusión a destacar, se tiene que el efecto negativo de la actividad puzolánica de los materiales cementantes suplementarios del lado del aluminio, podría estar justificada por un mayor requerimiento de agua durante la reactividad de estos materiales; como es el caso del metacaolín y el residuo catalizador de craqueo catalítico (FCC). Los resultados obtenidos, demostraron que el uso de un modelo de ANN es factible para la predicción de resistencias a la compresión de concretos que contengan sustituciones parciales de agregados naturales y cemento por agregados reciclados y MCS, respectivamente.