Predicción de resistencia a la compresión en geopolímeros por medio de técnicas de aprendizaje de máquina

Calderón Lopez, Jhossias Pawhell; Calderón García, Eddy Ronaldo

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Ingeniería en Ciencias Computacionales
→
View Item

dc.contributor.advisor	Realpe Robalino, Miguel , Director
dc.contributor.author	Calderón Lopez, Jhossias Pawhell
dc.contributor.author	Calderón García, Eddy Ronaldo
dc.creator	ESPOL
dc.date.accessioned	2023-06-20T21:37:54Z
dc.date.available	2023-06-20T21:37:54Z
dc.date.issued	2022
dc.identifier.citation	Calderón Lopez, J. P. y Calderón García, E. R. (2022). Predicción de resistencia a la compresión en geopolímeros por medio de técnicas de aprendizaje de máquina. [Proyecto integrador]. ESPOL. FIEC. .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/57564
dc.description	Determinar un modelo que realice la predicción para conseguir la mejor resistencia a la compresión en un geopolímero es primordial para que éste, junto a todas sus demás propiedades, y el ser amigable con el medioambiente, termine siendo la mejor opción contra el cemento portland el cual está en desventaja comparando sus propiedades fisicoquímicas como su resistencia y su producción que termina siendo una de las principales detonadoras del calentamiento global. Para ello se realizó un análisis exploratorio de datos con la información obtenida en base a las pruebas experimentales con variaciones en las mezclas hechas por la Facultad de Ingeniería Mecánica y Ciencias de la Producción cuya correlación de variables nos permitieron escoger el mejor modelo de aprendizaje de máquina para la predicción con un menor error. Dentro de las variables con mayor correlación con la resistencia a la compresión se encuentran el contenido de NaOH y Na2SiO3, lo que permitió determinar que CatBoost es el mejor modelo, tomando en cuenta que se realizaron también mezclas de diferentes modelos, pero no se obtuvieron mejores resultados. Además, con el modelo, se implementó una interfaz sencilla y amigable para su uso y conseguir las predicciones deseadas.
dc.format	application/pdf
dc.format.extent	56 páginas
dc.language.iso	spa
dc.publisher	ESPOL
dc.rights	openAccess
dc.subject	Aprendizaje de Máquina
dc.subject	Predicción
dc.subject	Geopolímeros
dc.subject	Boosting
dc.title	Predicción de resistencia a la compresión en geopolímeros por medio de técnicas de aprendizaje de máquina
dc.type	Ingeniero en Computación
dc.identifier.codigoespol	T-113400
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral