Encuentra más información en nuestro repositorio digital
La predicción de la resistencia al corte de vigas de hormigón de ultra alto rendimiento (UHPC) es un proceso complejo debido a la intervención de numerosos parámetros. La precisión necesaria para realizar predicciones precisas suele ser insuficiente en las ecuaciones empíricas actuales y en las técnicas tradicionales de aprendizaje automático (AA). Este estudio propone modelos híbridos de AA que integran tres algoritmos metaheurísticos inspirados en la naturaleza: Optimización del Armadillo Gigante (GOA), Optimización de la Hiena Manchada (SHO) y Optimización de la Foca Leopardo (LSA) con Impulso de Gradiente Extremo (XGB), para predecir la resistencia al corte de vigas de UHPC. Se creó un conjunto de datos completo a partir de extensas revisiones bibliográficas, y se entrenó y probó en los modelos utilizando múltiples parámetros de entrada que afectan la capacidad de corte del UHPC.
Para la evaluación del modelo, se utilizaron métricas de rendimiento, como el coeficiente de determinación (R2), el error cuadrático medio (RMSE), el error absoluto medio (MAE) y la varianza contabilizada (VAF). Los resultados mostraron una alta precisión, con valores de R2 que se acercaron a 0,9912 en el entrenamiento y 0,9802 en las fases de prueba utilizando el algoritmo LSA-XGB, lo que indica un excelente ajuste del modelo y confiabilidad predictiva. Para mejorar la transparencia e interpretabilidad del modelo, el estudio también incorpora explicaciones aditivas con forma (SHAP), que revelan cómo cada atributo del conjunto de datos afecta los resultados predictivos. El algoritmo LSA-XGB funcionó mejor que los estudios anteriores y las ecuaciones empíricas para predecir la resistencia al corte de las vigas UHPC. En el estudio se demuestran técnicas de aprendizaje automático más sofisticadas que mejoran la precisión de la predicción de la capacidad de corte de las vigas UHPC. Además, el uso de una interfaz gráfica de usuario (GUI) ayuda a los investigadores e ingenieros a tomar decisiones rápidas y bien informadas en tiempo real. Estos hallazgos ofrecen un enfoque confiable, interpretable y accesible para predecir la resistencia al corte en vigas de UHPC, lo que contribuye a prácticas de ingeniería estructural más seguras.