Una aproximación estadística para predecir la temperatura interna de estructuras de concreto de baja complejidad a partir de imágenes térmicas y datos meteorológicos
DOI:
https://doi.org/10.26507/paper.4703Palabras clave:
Análisis de componentes principales, Datos meteorológicos, Matriz de correlación, Modelo de regresión lineal, Predicción, Software R, Temperatura interna, Temperatura superficial, TermocuplasResumen
Las variaciones térmicas en la respuesta térmica de estructuras de concreto pueden generar deformaciones y esfuerzos que comprometen las propiedades mecánicas del material o la integridad estructural. Este fenómeno es particularmente crítico en puentes de concreto hiperestáticos, en los cuales la exposición constante a la radiación solar, temperatura ambiente, nubosidad, viento libre, entre otros, genera variaciones de la temperatura interna a lo largo del día. Para medir la temperatura interna, se requiere el uso de termopares embebidos en el concreto antes de que este se endurezca. En caso contrario, dicha temperatura será difícil de medir. Teniendo en cuenta lo anterior, en este estudio se evaluó una aproximación, basada en métodos estadísticos, que busca predecir la temperatura interna de un prisma rectangular de concreto a partir de fotos térmicas y datos meteorológicos. La temperatura interna fue obtenida mediante tres termocuplas tipo T embebidas en puntos de interés del prisma (cara lateral, cara superior y cara frontal). Los datos fueron registraron durante un periodo de 10 días desde las 6:15 am hasta las 4:15 pm, cada 30 minutos, obteniendo 210 datos por día de cada tipo de variables. Los datos meteorológicos incluyen la temperatura ambiente, la radiación solar, la precipitación y la velocidad del viento. Posteriormente, se emplearon análisis de componentes principales y modelos de regresión lineal en el software de código abierto R con el fin de predecir la temperatura interna. Los resultados mostraron que se puede predecir la temperatura interna del prisma mediante modelos de regresión lineal, alcanzando coeficientes de determinación mayores a 0.9. La temperatura superficial fue la variable predictora con mayor potencial para predecir la respuesta interna.
Citas
A. Zeileis, T. H. (2024). Diagnostic checking in regression relationships. https://doi.org/Version 0.9-39
Abid, S. R., Tayşi, N., & Özakça, M. (2016). Experimental analysis of temperature gradients in concrete box-girders. Construction and Building Materials, 106, 523–532. https://doi.org/10.1016/j.conbuildmat.2015.12.144
Ali, K., & Al-Hameed, A. (2022). Spearman’s correlation coefficient in statistical analysis. Int. J. Nonlinear Anal. Appl, 13, 2008–6822. https://doi.org/10.22075/ijnaa.2022.6079
Arias, M. (n.d.). REV ELECT ANESTESIAR-VOL 14 (12) :4 Análisis de normalidad. Una imagen vale más que mil palabras.
Baldizzoni, E. (2013). Propuesta de Proceso de Transformación de Datos. Revista Latinoamericana de Ingeniería de Software.
Chan, J. Y. Le, Leow, S. M. H., Bea, K. T., Cheng, W. K., Phoong, S. W., Hong, Z. W., & Chen, Y. L. (2022). Mitigating the Multicollinearity Problem and Its Machine Learning Approach: A Review. In Mathematics (Vol. 10, Issue 8). MDPI. https://doi.org/10.3390/math10081283
FLIR Systems. (2024). FLIR Tools. https://www.flir.com
Liu, C., Fan, J., & Xiong, L. (2019). Research Progress on the Temperature Field of Steel-Concrete Composite Bridge. https://doi.org/10.1051/e3sconf/2019136040
López, L. A. y Prieto, S. (2025). Predicción de la temperatura interna en un prisma rectangular de concreto empleando datos meteorológicos e imágenes térmicas en un modelo de regresión [Trabajo de grado, Universidad Industrial de Santander]. Repositorio Institucional Noesis. https://noesis.uis.edu.co/handle/20.500.14071/44966
R Core Team. (2024). R: A Language and Environment for Statistical Computing.
Renwick, J., & Francis, L. (2021). Exploration of Principal Component Analysis: Deriving Principal Component Analysis Visually Using Spectra. 361–375. https://doi.org/10.1177/0003702820987847
Rovira E, C. (2019). Teorema del límite central Carles Rovira Escofet.
Y. A. Çengel, & Ghajar, A. J. (2020). Transferencia de calor y masa: fundamentos y aplicaciones (6th ed.). McGraw Hill Interamericana.
Cómo citar
Descargas
Descargas
Publicado
Evento
Sección
Licencia
Derechos de autor 2025 Asociación Colombiana de Facultades de Ingeniería - ACOFI

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |



