Análisis comparativo de modelos de aprendizaje automático para predecir la resistencia al enlace interfacial del hormigón polimérico reforzado con fibra
Autores: Kovaevi, Miljan; Hadzima-Nyarko, Marijana; Petronijevi, Predrag; Vasiljevi, Tatijana; Radomirovi, Miroslav
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Análisis comparativo de modelos de aprendizaje automático para predecir la resistencia al enlace interfacial del hormigón polimérico reforzado con fibra
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Modelos de aprendizaje automático
Resistencia de unión interfacial
Concreto polimérico reforzado con fibras
Regresión de Proceso Gaussiano
Regresión de Vector de Soporte
Redes neuronales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
Este estudio presenta un análisis detallado de varios modelos de aprendizaje automático para predecir la resistencia de unión interfacial del concreto reforzado con fibra de polímero (FRP), incluyendo regresión lineal múltiple, Programación Genética Multigene (MGGP), un conjunto de árboles de regresión, Regresión de Proceso Gaussiano (GPR), Regresión de Vector de Soporte (SVR) y redes neuronales. La evaluación se basó en su precisión predictiva. El modelo óptimo identificado fue el modelo Exponencial ARD de GPR, que logró un error absoluto medio (MAE) de 1.8953 MPa y un coeficiente de correlación (R) de 0.9658. Un análisis de este modelo óptimo resaltó las variables más influyentes que afectan la resistencia de unión. Además, la investigación identificó varios modelos con menor complejidad de expresión y precisión reducida, que aún pueden ser aplicables en escenarios prácticos.
Descripción
Este estudio presenta un análisis detallado de varios modelos de aprendizaje automático para predecir la resistencia de unión interfacial del concreto reforzado con fibra de polímero (FRP), incluyendo regresión lineal múltiple, Programación Genética Multigene (MGGP), un conjunto de árboles de regresión, Regresión de Proceso Gaussiano (GPR), Regresión de Vector de Soporte (SVR) y redes neuronales. La evaluación se basó en su precisión predictiva. El modelo óptimo identificado fue el modelo Exponencial ARD de GPR, que logró un error absoluto medio (MAE) de 1.8953 MPa y un coeficiente de correlación (R) de 0.9658. Un análisis de este modelo óptimo resaltó las variables más influyentes que afectan la resistencia de unión. Además, la investigación identificó varios modelos con menor complejidad de expresión y precisión reducida, que aún pueden ser aplicables en escenarios prácticos.