USO DEL APRENDIZAJE AUTOMÁTICO PARA PREDECIR SI UNA FUNDACIÓN CUADRADA AISLADA PROPUESTA CUMPLE CON EL ESTÁNDAR ACI 318-11

Gabriel Montúfar Chiriboga

Submitted July 19, 2022

Published 2022-07-19

Artículos

Vol. 2 No. 1 (2022): REICIT

USING MACHINE LEARNING TO PREDICT WHETHER A PROPOSED ISOLATED SQUARE FOUNDATION MEETS THE ACI 318-11 STANDARD

Gabriel Montúfar Chiriboga⁺⁻

PDF (Español (España))

Citación:

DOI: ND

Published: 2022-07-19

How to Cite

Montúfar Chiriboga, G. (2022) “USING MACHINE LEARNING TO PREDICT WHETHER A PROPOSED ISOLATED SQUARE FOUNDATION MEETS THE ACI 318-11 STANDARD”, REICIT, 2(1), pp. 191–208. Available at: https://revistas.up.ac.pa/index.php/REICIT/article/view/3064 (Accessed: 22 November 2024).

Copyright Notice

Abstract

When a civil engineer designs a project, multiple information is generated and recorded in physical or digital documents. In the past, most of this information was written on paper and was lost or degraded over time, causing data loss. Currently most of the information is recorded digitally on computers, through txt, pdf, CSV documents, SQL databases, images, sound captures, etc. All this data is generally accumulated in a disorderly way and without a specific use. Could all this information be used? Through machine learning and the creation of a suitable database, the information collected by previous designs can be used to make predictions that allow us to know some attribute of interest, for example, if a design is suitable in relation to the standard ACI 318- eleven. In this article, WEKA software was used to train and test models with algorithms such as J48, Naive Bayes, Logistic, and AdaBoostM1. The best model was selected and then predictions were made with data external to the training data set.

Downloads

Download data is not yet available.

References

Chandrasekar P., Qian K., Shahriar H. and Bhattacharya P. (2017). Mejora de la exactitud de predicción de la minería de árboles de decisión con preprocesamiento de datos. 41.ª Conferencia anual de software y aplicaciones informáticas de IEEE, 481-482.
Enciclopedia Británica. (2020). Charles Babbage. Disponible en el sitio Web: https://www.britannica.com/biography/Charles-Babbage (Último acceso: 15/07/2021).
Feng D., Liu Z., Wang X., Jiang Z. and Liang S. (2020). Clasificación del modo de falla y predicción de la capacidad portante para columnas de hormigón armado basadas en algoritmos de aprendizaje automático de conjuntos. Ingeniería Informática Avanzada, (45), 1-3.
Greco L. (2018). Aprendizaje automático y técnicas de optimización para conexiones de acero. Actas del Simposio IASS 2018 Creatividad en diseño estructural, 1-2.
Holmes G., Donkin A., and Witten I. (1994). WEKA: un banco de trabajo de aprendizaje automático. Actas de ANZIIS'94-Conferencia de sistemas de información inteligente de Australia y Nueva Zelanda IEEE, 357.
McCarthy J., Minsky M., Rochester N. and Shannon C. (1956). Una propuesta para el proyecto de investigación de verano de Dartmouth. Revista AI, 27(4), 12.
Mokgonyane T., Sefara T., Modipa T., Manamela M. and Manamela P. (2019). Sistema de reconocimiento automático de locutores basado en algoritmos de aprendizaje automático. Conferencia SAUPEC/RobMech/PRASA, 144-145.
Naser M.Z., Thai S. and Thai H. (2020). Evaluación de la respuesta estructural de columnas tubulares de acero rellenas de hormigón a través del aprendizaje automático. Revista de Ingeniería de la Construcción, 1-3.
Samuel A. (1959). Algunos estudios en aprendizaje automático utilizando el juego de damas. Revista de investigación y desarrollo de IBM, 3(3), 211-212.
Sun H., Burton H. and Honglan H. (2020). Aplicaciones de aprendizaje automático para el diseño estructural de edificios y la evaluación del rendimiento: 2 Revisión del estado del arte. Revista de Ingeniería de la Construcción, 1-8.
Taylor R. (1843). Memorias científicas seleccionadas de las transacciones de academias extranjeras de ciencia y sociedades científicas y de revistas extranjeras, R. y JE Taylor, (3), 722.
Turing A. (1950). Maquinaria informática e inteligencia, Cambridge, MA: MIT Press, 450-451.