Resumen

Esta investigación lleva a cabo un estudio comparativo para investigar una solución de aprendizaje automático que emplea la Regresión del Proceso Gaussiano (GPR) para modelar la resistencia a la compresión del concreto de alta resistencia (HPC). Este enfoque de aprendizaje automático se utiliza para establecer el mapeo funcional no lineal entre la resistencia a la compresión y los ingredientes del HPC. Para entrenar y verificar el mencionado modelo de predicción, se ha recopilado un conjunto de datos que contiene 239 pruebas experimentales de HPC, registradas en un proyecto de construcción de paso elevado en la ciudad de Danang (Vietnam), para este estudio. Basándose en los resultados experimentales, los resultados de predicción del modelo GPR son superiores a los del Máquina de Vectores de Soporte de Mínimos Cuadrados y la Red Neuronal Artificial. Además, se recomienda encarecidamente el modelo GPR para estimar la resistencia del HPC porque este método demuestra un buen rendimiento de aprendizaje y puede expresar intrínsec

• Materias:Hormigón fibroso Durabilidad del hormigón Daños estructurales Refuerzo de cemento Comportamiento cíclico
• Subjects:Fibrous concrete Concrete durability Structural damage Cement reinforcement Cyclic behavior
• Palabras claves:Investigación; Aprendizaje automático; Regresión de Procesos Gaussianos; Resistencia a la compresión; Concreto de alto rendimiento; Modelo de predicción
• Keywords:Research; Machine learning; Gaussian Process Regression; Compressive strength; High-performance concrete; Prediction model