Comparação de vários algoritmos de aprendizado de máquina usados ​​para previsão de resistência à compressão de fibra de aço

Scientific Reports volume 13, Número do artigo: 3646 (2023) Citar este artigo

1578 Acessos

1 Citações

10 Altmétrica

Detalhes das métricas

A adição de fibras de aço industrial (ISF) ao concreto aumenta sua resistência à tração e à flexão. Entretanto, o entendimento da influência do ISF no comportamento da resistência à compressão (CS) do concreto ainda é questionado pela sociedade científica. O artigo apresentado visa usar algoritmos de aprendizado de máquina (ML) e aprendizado profundo (DL) para prever o CS de concreto reforçado com fibra de aço (SFRC) incorporando ISF com gancho com base nos dados coletados da literatura aberta. Assim, 176 conjuntos de dados são coletados de diferentes periódicos e artigos de conferências. Com base na análise de sensibilidade inicial, os parâmetros mais influentes, como a relação água-cimento (A/C) e o teor de agregados finos (AF), tendem a diminuir o CS do SFRC. Enquanto isso, o CS do SFRC pode ser aumentado aumentando a quantidade de superplastificante (SP), cinza volante e cimento (C). Os fatores que menos contribuem incluem o tamanho máximo dos agregados (Dmax) e a relação comprimento/diâmetro dos ISFs com gancho (L/DISF). Vários parâmetros estatísticos também são usados ​​como métricas para avaliar o desempenho dos modelos implementados, como coeficiente de determinação (R2), erro absoluto médio (MAE) e erro quadrado médio (MSE). Entre os diferentes algoritmos de ML, a rede neural convolucional (CNN) com R2 = 0,928, RMSE = 5,043 e MAE = 3,833 mostra maior precisão. Por outro lado, o algoritmo K-vizinho mais próximo (KNN) com R2 = 0,881, RMSE = 6,477 e MAE = 4,648 resulta no desempenho mais fraco.

ML é uma técnica computacional destinada a simular a inteligência humana e acelerar o processo de computação por meio de aprendizado e evolução contínua. As técnicas de ML foram efetivamente implementadas em vários setores, incluindo equipamentos médicos e biomédicos, entretenimento, finanças e aplicações de engenharia. O ML pode ser usado na engenharia civil em vários campos, como desenvolvimento de infraestrutura, monitoramento de integridade estrutural e previsão de propriedades mecânicas de materiais. Mais especificamente, numerosos estudos foram realizados para prever as propriedades do concreto1,2,3,4,5,6,7

Uma das desvantagens do concreto como material frágil é sua baixa resistência à tração e capacidade de deformação. Assim, vários tipos de fibras são adicionados para aumentar a capacidade de resistência à tração do concreto. Para gerar concreto reforçado com fibras (CRF), as fibras usadas são tipicamente curtas, descontínuas e aleatoriamente dispersas por toda a matriz de concreto8. Até agora, as fibras têm sido usadas principalmente para melhorar o comportamento de elementos estruturais para fins de manutenção. No entanto, a adição de ISF ao concreto e a produção do SFRC também podem fornecer capacidade de resistência adicional ou atuar como reforço primário em elementos estruturais. Atualmente, para a produção de estruturas de concreto pré-fabricadas e in-situ, o SFRC está ganhando aceitação como (a) reforço secundário para cenários de carga temporária, interrompendo trincas de retração, limitando microfissuras que ocorrem durante o transporte ou instalação de membros pré-moldados (como revestimento de túnel segmentos), (b) substituição parcial do reforço convencional, ou seja, sistemas de reforço híbrido, e (c) substituição total do reforço típico em elementos expostos à compressão, por exemplo, estruturas de casca fina, lajes apoiadas no solo, fundações e revestimentos de túneis9. Inquestionavelmente, uma das barreiras que impedem o uso de fibras em aplicações estruturais tem sido a dificuldade em calcular as propriedades FRC (especialmente o comportamento CS) que devem ser incluídas nas técnicas de projeto atuais10.

Assim, muitos estudos experimentais foram conduzidos para investigar o CS de SFRC. Han et al.11 relataram que o comprimento do ISF (LISF) tem um efeito insignificante no CS do SFRC. Setti et al.12 também introduziram o ISF com diferentes frações de volume (VISF) ao concreto e relataram a melhora do CS do SFRC pelo aumento do teor de ISF. Zhu et al.13 observaram um aumento linear do CS ao aumentar o VISF de 0 para 2,0%. Apesar do aumento do CS do concreto de resistência normal incorporando ISF, nenhuma mudança significativa de CS é obtida para misturas de concreto de alto desempenho aumentando o VISF14,15. Isso destaca o papel de outros componentes da mistura (como relação A/C, tamanho do agregado e teor de cimento) no comportamento CS do SFRC. Portanto, devido à dificuldade de predição de CS por meio de análise de regressão linear ou não linear, modelos baseados em dados são colocados em prática para predição precisa de CS de SFRC.