Resumen

La predicción de la resistencia del concreto es un punto de investigación interesante y podría ser realizada de manera efectiva, especialmente para el concreto con un sistema complejo, con el desarrollo del aprendizaje automático e inteligencia artificial. Por lo tanto, un excelente algoritmo debería poner énfasis en recibir una mayor atención por parte de los investigadores. Este estudio presenta un novedoso sistema predictivo de la siguiente manera: extreme gradient boosting (XGBoost) basado en análisis de relación gris (GRA) para predecir la resistencia a la compresión del concreto que contiene escoria y metacaolín. Uno de sus puntos destacados es una metodología de selección de características, es decir, GRA, que se utilizó para determinar las principales variables de entrada. Otro aspecto destacado es que su rendimiento se comparó con la red neuronal artificial (ANN) y el algoritmo genético-red neuronal artificial (GA-ANN) frecuentemente utilizados mediante el uso de un conjunto de datos aleatorio y los mismos conjuntos de datos de prueba. Para tres mismos conjuntos de datos de prueba, los valores promedio de ANN

• Materias:Elementos finitos Análisis de estabilidad Energía histerética Seguridad en la ingeniería civil Tensión-deformación
• Subjects:Finite elements Stability analysis Hysteretic energy Safety in civil engineering Stress-strain
• Palabras claves:Predicción; Resistencia del concreto; XGBoost; Análisis de relación gris; Resistencia a la compresión; Selección de características; Aprendizaje automático; Inteligencia artificial; Red neuronal; Algoritmo genético; RMSE; MAPE; Software de aplicación; Aplicaciones prácticas.
• Keywords:Prediction; Concrete strength; XGBoost; Grey relation analysis; Compressive strength; Feature selection; Machine learning; Artificial intelligence; Neural network; Genetic algorithm; RMSE; MAPE; Application software; Practical applications.