Comparación de modelación por Inteligencia Artificial y Regresión Multivariable del comportamiento a flexión del UHPFRC

Abstract

El estudio presentado tiene como objetivo modelar el comportamiento a flexión de los concretos de ultra alto desempeño reforzados con fibras (UHPFRC), incluyendo límite de proporcionalidad (LOP), módulo de rotura (MOR) y sus deflexiones asociadas δLOP y δMOR, utilizando análisis de regresión multivariable y algoritmos de inteligencia artificial (AI). Se construyeron cuatro modelos redes neuronales artificiales (ANN), uno para cada respuesta, con una capa de entrada y una capa oculta, y cuatro modelos de regresión tipo LASSO (least absolute shrinkage and selection operator). Los resultados demostraron la eficiencia de los modelos, evaluados mediante los estadísticos error absoluto medio (MAE), raíz del error cuadrático medio (RMSE), error de sesgo medio normalizado (NMBE) y coeficiente de determinación (R2). Los modelos de redes neuronales mostraron mayor precisión, con valores de R2 de 0.982, 0.969, 0.978 y 0.978, en la predicción de los parámetros (δLOP, LOP, δMOR y MOR) del comportamiento a flexión de los UHPFRC.