Resumen

Este documento presenta la aplicación de redes neuronales artificiales (ANN) y el análisis de regresión multivariable (MRA) para predecir la capacidad de carga y el asentamiento de las zapatas bordeadas de bordes múltiples en arena. Estos parámetros se definen, respectivamente,en términos de la relación de capacidad de carga (BCR) de carga de la zapata con zócalo y sin zócalo y el factor de reducción de asentamiento (SRF), la razón de la diferencia en la solución de zócalo sin zócalo y zapatas bordeadas para el asentamiento de zapatas sin falda a una presión determinada. Las ecuaciones modelo para predecir la BCR y el SRF de la zapata de forma regular se desarrollaron primero utilizando los datos disponibles recopilados de la literatura. Estas ecuaciones se modificaron posteriormente para predecir la BCR y el SRF de la zapata bordeada de bordes multiples, para la cual se generaron los datos mediante la realización de una prueba de laboratorio a pequeña escala. Los parámetros de entrada elegidos para desarrollar modelos ANN fueron el ángulo de fricción interna(𝜙), la profundidad del faldón ($D_s$​) al ancho de la relación de zapata (B) para la predicción del BCR; en cuanto al SRF, se consideró un parámetro de entrada adicional: la tensión normal (𝜎). La arquitectura para los modelos ANN desarrollados fue 2-2-1 y 3-2-1 para la BCRy el SRF, respectivamente. El $R^2$​ para las zapatas bordeadas de bordes múltiples estuvo en el rango de 0,940-0,977 para el modelo ANN y0,827-0,934 para el análisis de regresión. De manera similar, el $R^2$​ para la predicción del SRF pudo haber sido de 0,913-0,985 para el modelo ANN y 0,739-0,932 para el análisis de regresión. Se reveló que la BCR predicha y el SRF para las zapatas con borde de múltiples bordes con el uso de ANN es superior al MRA. Además, los resultados del análisis de sensibilidad indican que tanto el BCR como el SRF delas zapatas bordeadas de bordes múltiples se ven más afectados por la profundidad de la falda, seguida del ángulo de fricción de la arena.

INTRODUCCIÓN

La predicción de la capacidad portante y el asentamiento de la zapata con una precisión razonable es necesaria en el campo del diseño de cimentaciones y afecta a la economía general de un proyecto. Para este propósito, las ecuaciones de capacidad portante para zapatas convencionales tales como franja, cuadrada, circular y rectangular fueron bien establecidas y están disponibles en la literatura.

• Materias:Fricción (Mecánica) Cargas eléctricas Redes neuronales artificiales
• Subjects:Friction Electric charges Artificial neural networks
• Palabras claves:zapatas de zócalo cuadradas/circulares, zapatas bordeadas de bordes múltiples, relación de capacidad de carga, factor de reducción de liquidación, redes neuronales artificiales, análisis de regresión multivariable
• Keywords:square/circular skirted footings, multi-edged skirted footings, bearing capacity ratio, settlement reduction factor, artificial neural networks, multivariable regression analysis