Aplicación de redes neuronales recurrentes para acelerar el análisis no lineal de estructuras.
- Authors
- Coello Chóez, Bryan Xavier
- Format
- BachelorThesis
- Status
- publishedVersion
- 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.
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.
- Publication Year
- 2021
- Language
- spa
- Topic
- ANÁLISIS NO LINEAL
MODELADO NO LINEAL
ACELERACIÓN DE ANÁLISIS
REDES RECURRENTES
COMPILACIÓN DE MODELO
- Repository
- Repositorio Universidad Católica de Santiago de Guayaquil
- Get full text
- http://repositorio.ucsg.edu.ec/handle/3317/17431
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/4.0/