Resumen

El coeficiente de permeabilidad () del suelo es uno de los parámetros más importantes que afectan características del suelo como la resistencia al corte o el asentamiento. Por lo tanto, determinar el coeficiente de permeabilidad del suelo es muy crucial; sin embargo, una prueba de campo para determinar este parámetro es difícil, consume mucho tiempo y es costosa. En este estudio, se construyeron y compararon métodos de computación suave, a saber, M5P y proceso gaussiano (GP), para estimar el coeficiente de permeabilidad. Los resultados de este artículo indican que los dos algoritmos de computación suave funcionaron bien en la predicción de . Estos dos métodos mostraron una alta precisión en la capacidad de predicción. El coeficiente de determinación de M5P (=0.766) fue mayor que el de GP (=0.700). Esto implica que el modelo M5P es una estimación más confiable que el modelo GP en la predicción del coeficiente de permeabilidad del suelo (). Esto demuestra que la aplicación de estas técnicas de aprendizaje automático puede proporcionar una alternativa para

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Coeficiente de permeabilidad del suelo; Métodos de cómputo suave; M5P; Proceso gaussiano; Capacidad de predicción; Técnicas de aprendizaje automático
• Keywords:Soil permeability coefficient; Soft computing methods; M5P; Gaussian process; Prediction capability; Machine learning techniques