El comportamiento del hormigón incorporando agregados reciclados en sustitución total o parcial de los agregados naturales es diferente del comportamiento del hormigón convencional. Así mismo, la sustitución parcial del cemento por materiales cementantes suplementarios afecta también a dicho comportamiento. Pese a que ambas sustituciones parciales presentan indudables beneficios desde el punto de vista de la sostenibilidad, su efecto en la resistencia a compresión del hormigón es difícil de modelar. Este documento tiene como objetivo predecir la resistencia a la compresión de estos hormigones especiales mediante el uso de redes neuronales artificiales (ANN). Los datos de entrenamiento y testeo para el desarrollo del modelo ANN se prepararon utilizando 309 dosificaciones publicadas en 22 fuentes de literatura diferentes. Los resultados indicaron que el modelo ANN es una herramienta eficiente para predecir la resistencia a la compresión de los hormigones que incorporen agregados reciclados y materiales cementantes suplementarios.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.