Previsão da resistência do betão: com recurso a modelos de aprendizagem automática

O betão continua a ser o material de construção mais utilizado no mundo, devido à sua facilidade de aplicação, disponibilidade e baixo custo. A sua resistência à compressão constitui a sua propriedade mecânica essencial e o principal critério de desempenho para o dimensionamento das estruturas. Foi utilizada uma base de dados experimental para comparar o desempenho de várias técnicas de aprendizagem automática: regressão Lasso, regressão polinómica quadrática, árvores de decisão, máquinas de vetores de suporte, redes neurais artificiais, florestas aleatórias, bagging, gradient boosting e processos gaussianos. Foram consideradas quatro funções de covariância para o modelo GPR. Foi aplicada uma otimização sistemática dos hiperparâmetros a cada algoritmo. Foi realizada uma análise comparativa baseada em indicadores estatísticos e ferramentas gráficas. Uma análise de sensibilidade evidencia a influência relativa dos parâmetros de formulação, salientando, nomeadamente, o papel determinante do teor de cimento. Por fim, uma análise de propagação da incerteza revela uma dispersão não negligenciável das previsões.