Artificial intelligence for the prediction of the physical and mechanical properties of a compressed earth reinforced by fibers

Resumen

El uso de fibras naturales como producto de refuerzo en la producción de bloques de tierra comprimida puede considerarse como un medio eficaz para el medio ambiente y el ahorro. Este estudio presenta un enfoque basado en un modelo de predicción que utiliza redes neuronales artificiales (ANN) para predecir la resistencia a la compresión y a la tracción del hormigón ecológico que contiene diferentes tipos de fibras naturales. Un grupo de datos con ocho características influyentes; El cemento, la fibra, la arena, la longitud de la fibra, la resistencia a la tracción de la fibra, la arcilla, el limo y la edad utilizada para la formación y validación del modelo se recopilaron de la literatura. El resultado fue la resistencia a la compresión y la resistencia a la tracción. La combinación de propagación cuadrática media y descenso de gradiente de propagación estocástica con el método de impulso se utiliza para entrenar la ANN. Usando varios criterios de validación como el coeficiente de determinación (R), el error cuadrático medio (RMSE) y el error absoluto medio (MAE), el modelo ANN fue validado y comparado con dos técnicas de aprendizaje automático (ML) Random Forest (RF) y multicapa. Perceptrón (MLP). También se realizó un análisis de sensibilidad para validar la robustez y estabilidad de estos modelos. Los resultados experimentales mostraron que el modelo ANN se desempeñó mejor que otros modelos y, por lo tanto, puede usarse como un enfoque adecuado para predecir la resistencia a la compresión del concreto de tierra amigable con el medio ambiente.