1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Ingeniería en Ciencias Computacionales

Título :	Predicción de resistencia a la compresión en geopolímeros por medio de técnicas de aprendizaje de máquina
Autor :	Realpe Robalino, Miguel , Director Calderón Lopez, Jhossias Pawhell Calderón García, Eddy Ronaldo
Palabras clave :	Aprendizaje de Máquina Predicción Geopolímeros Boosting
Fecha de publicación :	2022
Editorial :	ESPOL
Citación :	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. .
Descripción :	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.
URI :	http://www.dspace.espol.edu.ec/handle/123456789/57564
Aparece en las colecciones:	Tesis de Ingeniería en Ciencias Computacionales

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.