Resumen

Los métodos de aprendizaje automático se han aplicado con éxito a muchas disciplinas de ingeniería. La predicción de la resistencia a la compresión del concreto () y la fluidez () es importante en términos de la deseabilidad del concreto y su sostenibilidad. Los objetivos de este estudio fueron (i) determinar la técnica de normalización más exitosa para los conjuntos de datos, (ii) seleccionar el método de regresión óptimo para predecir las salidas y , (iii) obtener el mejor subconjunto con el método de selección de características ReliefF, y (iv) comparar los resultados de regresión para los subconjuntos originales y seleccionados. Los resultados experimentales muestran que las técnicas de escala decimal y normalización min-max son los métodos más exitosos para predecir la resistencia a la compresión y la fluidez, respectivamente. Según las métricas de evaluación, como el coeficiente de correlación, el error cuadrático medio y el error absoluto medio, el método de lógica difusa hace predicciones mejores

• Materias:Riostra Propiedades mecánicas Fracturación hidráulica Deformación de cimientos Cálculo de grietas
• Subjects:Brace Mechanical properties Hydraulic fracturing Foundation deformation Crack calculation
• Palabras claves:Métodos de aprendizaje automático; Disciplinas de ingeniería; Resistencia a compresión del concreto; Asentamiento; Técnica de normalización; Método de regresión
• Keywords:Machine learning methods; Engineering disciplines; Concrete compressive strength; Slump; Normalization technique; Regression method