Aprendizado de máquina para predição de resistência à compressão de argamassa

Abstract

O presente trabalho objetivou avaliar o desempenho de algoritmos de Aprendizado de Máquinas na predição da resistência à compressão de argamassas. O conjunto de dados avaliado passou por um pré-processamento para verificação de outliers, que não puderam ser removidos pois inviabilizaria a análise, em função do pequeno número amostral resultante. Optou-se por testar além dos dados brutos os dados normalizados e padronizados. Em seguida, os algoritmos: k-Vizinhos Próximos (k- NN), Máquinas de Vetor Suporte (SVM) e Floresta Aleatória (RF) foram utilizados para a predição da resistência à compressão avaliando o desempenho do modelo, onde o algoritmo RF apresentou um melhor desempenho quando comparado aos demais. Os parâmetros do algoritmo RF foram ajustados e selecionados os valores que apresentaram o menor RMSE para a divisão do conjunto de dados em treino e teste, controle da divisão dos subconjuntos, número de árvores e número de variáveis avaliadas por nó. Após determinação das melhores configurações dos parâmetros para o algoritmo selecionado o modelo foi executado novamente para verificar o desempenho do mesmo com os ajustes realizados, obtendo R2 de 86,94%, MAE de 4,64 MPa e RMSE de 7,42 MPa, quando utilizando-se os dados de teste do modelo final obtido. Por fim, conclui-se que o Aprendizado de Máquinas (AM) é uma ferramenta de cálculo prática na predição da resistência à compressão de argamassas.