Resumen

El diseño experimental del concreto de alta resistencia (HSC) requiere un análisis profundo para obtener la resistencia deseada. En este estudio, se han utilizado enfoques de aprendizaje automático y enfoques basados en inteligencia artificial en Python para predecir el comportamiento mecánico del HSC. Los datos que se utilizarán en el modelado consisten en varios parámetros de entrada como cemento, agua, agregado fino y agregado grueso en combinación con un superplastificante. Se ha propuesto una relación empírica con expresión matemática utilizando programación de ingeniería. La eficiencia de los modelos se evalúa mediante análisis estadístico con el error utilizando MAE, RRMSE, RSE, y se realizaron comparaciones entre los modelos de regresión. Además, la intensidad variable y la correlación han demostrado que el aprendizaje profundo puede utilizarse para conocer la cantidad exacta de materiales en ingeniería civil en lugar de realizar trabajo experimental. El árbol de expresión, así como la normalización del gráfico, muestran una precisión significativa entre los valores

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Diseño experimental; Concreto de alta resistencia; Aprendizaje automático; Inteligencia artificial; Predicción; Comportamiento mecánico
• Keywords:Experimental design; High-strength concrete; Machine learning; Artificial intelligence; Prediction; Mechanical behaviour