Aprendizado de máquina para predição de resistência à compressão de argamassas com e sem resíduo de construção

Machine learning to predict the compressive strength of mortars with and without construction waste

RESUMO

O presente trabalho objetivou avaliar o desempenho de algoritmos de aprendizado de máquinas na predição da resistência à compressão de argamassas. A base de dados foi criada através de uma busca bibliográfica de mais de 50 referências que foram catalogadas para conter dados de dosagens de argamassa com ou sem adição de resíduos de construção e demolição (RCD). O conjunto de dados avaliado passou por um pré-processamento de integração dos dados de resíduo de construção e demolição, e normalização. Como normalização optou-se pelo uso da técnica z-score. Em seguida, os algoritmos de Aprendizado de Máquina (AM): regressões linear e polinomial, árvores de decisão, ensembles e redes neurais foram utilizados para a predição da resistência à compressão. O conjunto de dados foi separado em 80% para treino e validação e 20% para teste. A validação cruzada empregada foi do tipo k-fold com 10 divisões no subconjunto de treino. Avaliando o desempenho dos modelos o algoritmo tipo ensemble Gradient Boosting apresentou o melhor desempenho quando comparado aos demais, atingindo um valor superior a 90% no coeficiente de determinação. Por fim, conclui-se que o AM é uma ferramenta prática importante na predição da resistência à compressão de argamassas. Além disso, o modelo de inteligência artificial foi prototipado para uso da comunidade científica e técnica em uma versão web disponível através do framework Streamlit da linguagem Python.

Palavras-chave:
Inteligência Artificial; Argamassas; Agregado de Resíduos; Predição; Resíduos de Construção e Demolição