Nos complace compartir nuestro último trabajo “A Mathematical Neural Network Framework for Real-Time Estimation of Solid-Phase Pyrolysis Parameters” publicado en la revista Fire Safety Journal.
La caracterización de la pirólisis de materiales sólidos es clave en la ingeniería de incendios, pero los métodos tradicionales requieren miles de simulaciones y un elevado coste computacional. En el presente artículo proponemos un enfoque innovador basado en redes neuronales (GRNN) capaz de estimar en tiempo real los parámetros termo-cinéticos de los materiales a partir de datos experimentales (curvas de pérdida de masa). Este enfoque supone un cambio de paradigma en la modelización de incendios, facilitando análisis más rápidos, precisos y reproducibles para la seguridad contra incendios.
El trabajo ha sido realizado por los miembros del Grupo GIDAI de la Universidad de Cantabria en colaboración con el Consejo de Seguridad Nuclear dentro del proyecto “Análisis de modelos numéricos y experimentales para la investigación de incendios en centrales nucleares” (FIRENUC). Así mismo, se quiere agradecer al proyecto de investigación DEFIANCE (subvención PID2023-150202OB-I00), financiado por MICIU/AEI/ 10.13039/501100011033 y por el ERDF/UE.
El artículo completo está disponible en https://www.sciencedirect.com/science/article/pii/S0379711226002237.








