m (Fsalazar moved page Draft Salazar 732602226 to CONDE et al 2019a)
Line 1: Line 1:
  
 
== Abstract ==
 
== Abstract ==
 
+
El rendimiento de los dispositivos de monitorización ha experimentado mejoras permitiendo disponer de más información sobre el comportamiento de las estructuras. Sin embargo, las inversiones realizadas en modernización de sistemas de medida no se recuperan a menos que se complementen con aplicaciones capaces de manejar una información tan amplia y diversa.
 
+
En esta contribución, se presenta una herramienta de software para importar, explorar, limpiar y analizar datos de monitorización. Además, permite la generación de modelos de predicción basados en machine learning, así como la interpretación de la respuesta del sistema a las acciones o cargas en funcionamiento.
 +
La metodología y la estructura general se dividen en dos fases: i) carga, depuración, completado y análisis datos, y ii) generación e interpretación de modelos predictivos basados en machine learning. El mismo modelo puede utilizarse para la detección de anomalías comparando las predicciones con el comportamiento registrado.
  
 
== Full document ==
 
== Full document ==
 
<pdf>Media:Draft_Salazar_732602226-9845-document.pdf</pdf>
 
<pdf>Media:Draft_Salazar_732602226-9845-document.pdf</pdf>

Revision as of 08:37, 21 January 2020

Abstract

El rendimiento de los dispositivos de monitorización ha experimentado mejoras permitiendo disponer de más información sobre el comportamiento de las estructuras. Sin embargo, las inversiones realizadas en modernización de sistemas de medida no se recuperan a menos que se complementen con aplicaciones capaces de manejar una información tan amplia y diversa. En esta contribución, se presenta una herramienta de software para importar, explorar, limpiar y analizar datos de monitorización. Además, permite la generación de modelos de predicción basados en machine learning, así como la interpretación de la respuesta del sistema a las acciones o cargas en funcionamiento. La metodología y la estructura general se dividen en dos fases: i) carga, depuración, completado y análisis datos, y ii) generación e interpretación de modelos predictivos basados en machine learning. El mismo modelo puede utilizarse para la detección de anomalías comparando las predicciones con el comportamiento registrado.

Full document

The PDF file did not load properly or your web browser does not support viewing PDF files. Download directly to your device: Download PDF document
Back to Top
GET PDF

Document information

Published on 01/01/2019

Licence: CC BY-NC-SA license

Document Score

0

Views 52
Recommendations 0

Share this document