Resumen

Se ha realizado un análisis comparativo para la predicción de la resistencia a compresión del concreto a las edades de 28, 56 y 91 días utilizando técnicas de aprendizaje automático a través del entorno de software R. R está ganando un sólido lugar en el ámbito estadístico y se está convirtiendo en una herramienta indispensable para los investigadores. El conjunto de datos ha sido generado bajo condiciones de laboratorio controladas. Utilizando R miner, se han utilizado y comparado las técnicas de minería de datos más ampliamente utilizadas: el modelo de árbol de decisión (DT), el modelo de bosque aleatorio (RF) y el modelo de red neuronal (NN), con la ayuda del coeficiente de determinación (R^2) y el error cuadrático medio (RMSE), y se infiere que el modelo NN predice con alta precisión la resistencia a compresión del concreto.

• Materias:Etringita Microestructura Ingeniería portuaria Método estocástico Conductividad hidráulica
• Subjects:Ettringite Microstructure Port engineering Stochastic method Hydraulic conductivity
• Palabras claves:Análisis comparativo; Predicción; Resistencia a la compresión; Concreto; Técnicas de aprendizaje automático; Software R; Técnicas de minería de datos; Modelo de árbol de decisión; Modelo de bosque aleatorio; Modelo de red neuronal; Coeficiente de determinación; Error cuadrático medio; Alta precisión.
• Keywords:Comparative analysis; Prediction; Compressive strength; Concrete; Machine learning techniques; R software; Data mining techniques; Decision tree model; Random forest model; Neural network model; Coefficient of determination; Root-mean-square error; High accuracy.