Evaluation of Machine Learning models to determine the nonlinear seismic response of AC frames in Peru
Year: 2023
Type: dissertation
Abstract: La historia ha demostrado la ocurrencia de eventos sísmicos desastrosos en nuestro país, ello sumado a la construcción informal ha incrementado la necesidad de implementar métodos innovadores para evaluar la respuesta sísmica no lineal estructural antes de la construcción y tras la ocurrencia de un sismo, con el objetivo de proponer medidas de reforzamiento estructural y tomar decisiones eficaces y eficientes. En ese sentido, la presente investigación se enfocó en la evaluación de tres modelos de Machine Learning con el propósito de determinar el mejor modelo de predicción para determinar el comportamiento de la respuesta sísmica no lineal estructural de pórticos de concreto armado en el Perú. Los modelos analizados fueron las Redes Neuronales Artificiales (ANNs), Árboles de regresión y modelo de Regresión Progresiva Gaussiana (GPR), para lo cual se hizo una base de datos de edificaciones de 3, 4, 5 y 6 pisos alineadas a la NTE E.030 Diseño Sismoresistente, los resultados obtenidos de las métricas de regresión revelaron que el modelo de Redes Neuronales Artificiales tuvo un mejor rendimiento con un R2 de 0.94, además destacó por su precisión y capacidad de explicar eficazmente la variabilidad de los datos, y un menor error absoluto medio en las predicciones con un valor de RMSE 7.88. Finalmente, se realizó una interfaz gráfica con el modelo de ANNs, a fin de compararlo con los softwares de evaluación tradicionales como ETABS y OpenSees, los resultados indican que el modelo basado en ANNs representa una mejor opción para la evaluación de la respuesta no lineal estructural, en términos de eficiencia y capacidad para realizar el análisis en menor tiempo.
Authors: Guillen Celestino, Lesly Myrella, Correa Castillo, Wilfredo Bryan
Language: Spanish
Subfield: Civil and Structural Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7037662311