DESARROLLO DE UN MODELO MEJORADO PARA LA PREDICCIÓN DE MÓDULO DINÁMICO E* PARA MEZCLAS ASFÁLTICAS Ing. Fabricio Leiva Villacorta, Ph.D., MBA Ing. José Pablo Aguiar Moya, Ph.D. Ing. Luis Guillermo Loría Salazar, Ph.D.
¿Qué es el LanammeUCR? LanammeUCR es un laboratorio de la Universidad de Costa Rica dedicado a: • Investigación aplicada • Docencia • Transferencia tecnológica • Cooperación técnica Primer laboratorio del ramo ACREDITADO ISO 17025 – 2002 en la región latinoamericana 80 ensayos acreditados
Áreas de Especialidad Ingeniería Sísmica y Gestión del Riesgo. Ingeniería de Suelos y Rocas (Geotecnia). Ingeniería Estructural. Ingeniería de Materiales de Construcción. Ingeniería Vial (Programa PITRA – Ley 8114 y 8603). LEY 7099: Laboratorio nacional de referencia LEY 8603: Garantizarla máxima Eficiencia de Inversión Pública en Reconstrucción y Conservación de la Red Vial Costarricense LEY 8114: Fiscalización, investigación, transferencia de Tecnología, apoyo a municipios, evaluación de redes viales y puente especificación vial costarricense 1.0% Impuesto al combustible
Motivación Modelo Witczak
Motivación Modelo Witczak-Lanamme
OBJETIVO Desarrollar un modelo mejorado y mas efectivo para la estimación del módulo dinámico para mezclas asfálticas en Costa Rica por medio del uso de redes neurales.
Metodología Análisis estadístico de modelos Witczak y Witczak-Lanamme (Motivación) Desarrollo de modelos NN o RN usando misma base de datos Comparación estadística de modelos
Materia Prima 10 Mezclas Asfálticas en Caliente
RESULTADOS Desarrollo de modelos RN Variables de entrada: T = temperatura = viscosidad del asfalto f = frecuencia de carga, Hz. Va = Contendido de vacíos de aire, %. V beff = Contenido de asfalto efectivo, % por volumen. 38 = Porcentaje retenido acumulado en la malla de 9,53 mm. 4 = Porcentaje retenido acumulado en la malla No 4. 200 = Porcentaje pasando en la malla No 200.
RESULTADOS Ecuaciones del Modelo B0 = -13.6918 -4.2794 23.2425 -4.0547 -12.9996 0.0060 8.4144 -3.4470 -0.0002 0.0118 13.7398 -10.8394 -2.4254 -5.4623 4.0784 -0.0272 -2.1539 -7.4460 0.0250 0.0073 -17.2411 7.5808 5.2567 7.6583 -22.1995 0.1250 -2.7495 0.8265 -0.1192 -0.0303 -5.5932 -15.3861 26.5062 -1.7360 3.2115 0.1505 0.9341 -18.8182 -0.1521 -0.0390 -3.5607 2.3739 -5.2556 8.2966 -4.0598 0.1879 3.7634 3.6738 -0.1812 -0.0185 5.0671 -0.3161 -6.6774 -4.7862 0.2819 0.4871 1.6285 -0.4955 -0.4942 -1.8913 4.2234 -0.1810 -14.1131 -8.9340 2.1166 1.3467 2.3166 -0.5999 -1.3313 -1.8068 2.0520 0.0159 0.6328 0.4785 -0.1558 -0.3746 -0.1602 0.0106 0.3321 -8.0241 0.1222 Ecuaciones del Modelo 0.2402 0.0377 0.0410 0.0722 6.6041 -0.0695 -0.2727 7.6429 -13.6531 0.0456 B0 = -13.6918
RESULTADOS Desarrollo de modelo RN Parámetros Modelo R2 R2 adj. Se/Sy aritmético Witczak 0.592 0.589 0.372 Witczak-Lanamme 0.935 0.934 0.262 RN-Lanamme 0.993 0.992 0.086 Criterio* R2 Se/Sy Excelente > 0.9 < 0.35 Bueno 0.7 - 0.89 0.36 - 0.55 Aceptable 0.4 - 0.69 0.56 – 0.75 Pobre 0.20 - 0.39 0.76 - 0.90 *NCHRP Report 465
RESULTADOS
CONCLUSIONES El nuevo modelo llamado RN-LANAMME es el más adecuado estadísticamente dado que presentó los mejores parámetros de calidad de regresión (Se/Sy, R2). Metodologías de regresión basadas en redes neurales presenta una ventaja significativa sobre los métodos clásicos de regresión multi-variable.
¡Muchas Gracias! http://www.lanamme.ucr.ac.cr/ Fabricio.leiva@ucr.ac.cr