Metodología para orientar procesos de extracción de conocimiento basados en computación evolutiva : aplicación al desarrollo de modelos y formulaciones en el ámbito del hormigón estructural
Use este enlace para citar
http://hdl.handle.net/2183/18229Colecciones
- Teses de doutoramento [2122]
Metadatos
Mostrar el registro completo del ítemTítulo
Metodología para orientar procesos de extracción de conocimiento basados en computación evolutiva : aplicación al desarrollo de modelos y formulaciones en el ámbito del hormigón estructuralAutor(es)
Directores
Martínez Abella, FernandoRabuñal, Juan R.
Fecha
2010Centro/Dpto/Entidad
Universidade da Coruña. Departamento de Tecnoloxías da Información e as ComunicaciónsResumen
[Resumen]
Uno de los problemas típicos ante los que se enfrenta un investigador cuando
aborda el estudio de fenómenos reales es la ingente cantidad de información y
de datos que es posible extraer para su análisis. En muchos casos, además, la
información y los datos son difíciles de relacionar entre sí. Para descubrir,
comprender y entender esa interrelación, una de las posibilidades a disposición
de los expertos es el empleo de procedimientos de extracción de conocimiento
mediante técnicas de Inteligencia Artificial. Su uso, tal como se conocen hoy
en día, presenta diversas limitaciones para la mayoría de problemas ya que, por
un lado, en ocasiones la solución no es capaz de predecir el comportamiento
con un margen de error asumible y, por otro, puede resultar imposible realizar
una interpretación de la solución obtenida. En estos casos el experto desearía
influir en el proceso de búsqueda, alternativa que no suelen ofrecer los
procedimientos disponibles. La tesis se plantea, por tanto, con el objetivo de
desarrollar una metodología capaz de obtener soluciones de un problema
genérico de extracción de conocimiento construido a partir de datos derivados
de ensayos de laboratorio. El aporte fundamental es que ello se hace de forma
supervisada, es decir, dirigiendo el proceso de búsqueda (basado en la
aplicación de técnicas heurísticas) mediante las indicaciones del experto en el
fenómeno concreto, lo que se denomina como “proceso de búsqueda guiado
por el usuario”. Definida la metodología, se implementa mediante un sistema
basado en Programación Genética desarrollando un conjunto de
funcionalidades organizadas por módulos: módulo de operadores y funciones
definidos por el usuario, módulo de probabilidad de aparición de nodos,
módulo de coeficientes de seguridad, módulo de restricciones y módulo de ajuste de expresiones. El sistema desarrollado se aplica en primer lugar a un problema de solución
teórica conocida y probada (la predicción de la distancia máxima que alcanza
un proyectil), lo que permite constatar el buen funcionamiento y las
posibilidades del método. En segundo lugar se aborda la aplicación práctica,
presentándose para ello tres ejemplos reales de predicción en problemas
enmarcados dentro del ámbito del hormigón estructural. El primer caso real
elegido es el de la predicción del esfuerzo a cortante que resisten las vigas de
hormigón en determinadas condiciones. El segundo corresponde a la
predicción de la capacidad adherente entre el hormigón y las barras de acero
que actúan como armaduras en las estructuras. Y, por último, se aplica el
método a un problema de series temporales, concretamente la predicción de
las deformaciones que a lo largo del tiempo sufre el hormigón cuando tiene
una carga constante aplicada (deformaciones de fluencia).
Tales ejemplos muestran que la metodología definida y desarrollada permite
obtener resultados con menor error y más fácilmente interpretables gracias al
proceso guiado, lo que puede extenderse a numerosos campos del
conocimiento en los que aparecen problemas de regresión simbólica. [Abstract]
One of the most common problems in science related to the study of real
phenomena is the huge amount of information and data available.
Furthermore, in many cases it is difficult to establish relationships within data.
Thus, in order to discover and comprehend these data correlations, Artificial
Intelligence techniques of knowledge extraction can be used by experts.
Nowadays, the use of these techniques presents some limitations: on one
hand, the solution can’t provide a behavior prediction with an assumable
error; on the other, interpretation of the results obtained may be impossible.
In these cases, the expert would desire to guide the search process, but most
present day techniques do not allow for this possibility. The objective of this
thesis is to develop a new methodology to obtain knowledge from problems,
and by data obtained from laboratory testing. The main contribution of this
technique is that this process will be done in a supervised way, guiding the
search process (based in heuristics) with expert recommendations. This
process shall be called “user guided search process”. Once the methodology
has been defined, it will be implemented using a Genetic Programming based
system. This system will have a set of functionalities organized by modules:
operators and functions module, module probability of node apparitions
module, safety factors module, constraints module and expression adjustment
module.
The system thus developed will be applied to a problem with theoretical
known solution (the prediction of maximum distance of a projectile) to
provide a validation of the proposed method. Additionally, practical
application of the method will be carried out with three real examples of
prediction problems in the field of structural concrete. The first case chosen is the prediction of shear strength for concrete beams under determinate
circumstances. The second corresponds to the prediction of bond between
concrete and steel used as reinforcement within the structure. Finally, the
method will be applied to a problem of temporal series, the prediction of
strain evolution during the time that concrete endures a constant load
(concrete creep).
These examples will show that the defined and implemented methodology
provides more precise and easier to interpret results, thanks to the guided
process. The methodology proposed can be extended to numerous areas
related to symbolic regression problems.
Palabras clave
Inteligencia artificial-Aplicaciones
Hormigón-Ensayos
Hormigón-Ensayos
Derechos
Os titulares dos dereitos de propiedade intelectual autorizan a visualización do contido desta tese a través de Internet, así como a súa reproducción, gravación en soporte informático ou impresión para o seu uso privado e/ou con fins de estudo e de investigación. En nengún caso se permite o uso lucrativo deste documento. Estos dereitos afectan tanto ó resumo da tese como o seu contido Los titulares de los derechos de propiedad intelectual autorizan la visualización del contenido de esta tesis a través de Internet, así como su repoducción, grabación en soporte informático o impresión para su uso privado o con fines de investigación. En ningún caso se permite el uso lucrativo de este documento. Estos derechos afectan tanto al resumen de la tesis como a su contenido