Modelo para el Cálculo del Esfuerzo a la Tracción de las Raíces de Vetiver Empleando Redes Neuronales Artificiales

La necesidad de un desarrollo sostenible requiere soluciones amigables con el ambiente; este hecho lleva a los ingenieros de todas las áreas de investigación a buscar y emplear metodologías que integren nuevos materiales de construcción. Una de estas áreas de estudio es la estabilidad de taludes y pendientes en rocas y suelos. Donde los materiales tradicionales como el concreto han sido sustituidos por biomateriales, los cuales son poco conocidos en términos de comportamiento mecánico y modelado estructural. El presente trabajo entrena un modelo de Red Neural Artificial (RNA) para modelar la resistencia a la tracción de las raíces de las plantas de Vetiver, considerando el diámetro de la raíz, su edad y el tipo de suelo. Se entrenaron un total de 40 modelos RNA utilizando 100 ensayos de laboratorio, seleccionando el mejor modelo de acuerdo con su error medio cuadrático y su capacidad de generalización. El modelo muestra un mejor ajuste que los modelos de tipo potenciales propuestos en la literatura; también explica la variabilidad de los datos para diámetros de raíz menores de un milímetro. Se encontró que las resistencias para estos diámetros son inversamente proporcionales a la edad de la planta. Palabras Clave: RNA; Vetiver; Esfuerzo a la tracción; redes neuronales. The need for sustainable development requires environmentally friendly solutions; this fact leads engineers from all research areas to seek and employ methodologies that integrate new construction materials. One of these areas of study is the slope stability in rocks and soils. Where traditional materials such as concrete have been substituted for biomaterials, which are few known in terms of mechanical behavior and modeling. The present work trains a model of Artificial Neural Network (ANN) for modeling the tensile strength of the roots of Vetiver plants, considering the diameter of the root, its age and the soil type. A total of 40 ANN models were trained using 100 laboratory tests, selecting the best model according to their mean square error and generalization capacity. The model shows a better fit than the potential type models proposed in the literature; it explaining the variability of the data for diameters smaller than one millimeter. It was found that the resistances for these diameters are inversely proportional to the age of the plant. Keywords: ANN; Vetiver; Tensile Strength; Neural Networks.