DSpace logo
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.ucsg.edu.ec/handle/3317/17431
Titre: Aplicación de redes neuronales recurrentes para acelerar el análisis no lineal de estructuras.
Auteur(s): Coello Chóez, Bryan Xavier
metadata.dc.contributor.advisor: Barros Cabezas, José Andrés
Mots-clés: ANÁLISIS NO LINEAL;MODELADO NO LINEAL;ACELERACIÓN DE ANÁLISIS;REDES RECURRENTES;COMPILACIÓN DE MODELO
Date de publication: 14-sep-2021
Editeur: Universidad Católica de Santiago de Guayaquil
Résumé: Nonlinear structural analysis is a performance-based engineering tool for the validation of proposed designs either for new structures or to evaluate existing structures. The application of this analysis for structural systemscomposed of a large number of degrees of freedom, such as high-rise buildings, bridges and even dams, the computational analysis can be time - consuming. Computational burden may result cumbersome for parametric studies. In order to reduce this computational cost, a practical methodology consisting in the application of neural networks and recurrent neural networks (RNN) is proposed in this work. Within the group of recurrent neural networks, long short-term memory (LSTM) is applied to accelerate the nonlinear analysis of structures. By creating a database for training and testing the neural network, it will be used not only to learn the behavior of the analysis, but also to make reliable predictions in addition to the main goal of reducing the computational burden. Furthermore, the recommendation to the applications and research of different types of neural networks for the solution of engineering problems.
Description: El análisis no lineal de estructuras es una herramienta de la ingeniería basada en el desempeño que sirve para la validación de estructuras, ya sea para nuevas estructuras o para evaluar estructuras existentes. La aplicación de este análisis para sistemas estructurales compuestos por una gran cantidad de grados de libertad, como lo son edificios de gran altura, puentes e incluso presas, requieren de mucho tiempo computacional. Los tiempos de cálculo pueden resultar inadmisibles en estudios paramétricos. Para la reducción de este tiempo, se plantea en este trabajo una metodología práctica que consiste en la aplicación de redes neuronales y se da un primer paso en el uso de las redes neuronales recurrentes. Dentro del grupo de las redes neuronales recurrentes se aplica la memoria de largo y corto plazo (LSTM) para acelerar el análisis no lineal de estructuras. Con la creación de una base de datos para el entrenamiento y prueba de la red neuronal, que se utiliza no solo para aprender el comportamiento del análisis, sino también para hacer predicciones confiables en adición al objetivo principal que es la aceleración del análisis en sí. Por demás, la recomendación a las aplicaciones e investigaciones de los diferentes tipos de redes neuronales para la solución de problemas de ingeniería.
URI/URL: http://repositorio.ucsg.edu.ec/handle/3317/17431
Collection(s) :Trabajos de Titulación - Carrera de Ingeniería Civil

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
T-UCSG-PRE-ING-IC-404.pdf1,55 MBAdobe PDFVoir/Ouvrir


Ce document est autorisé sous une licence de type Licence Creative Commons Creative Commons