Estimation des propriétés mécaniques du béton auto-compactant en utilisant des techniques d'intelligence artificielle et d'apprentissage machine

Remplacer une partie du béton par des cendres volantes de classe F favorise le développement durable et réduit l'effet de serre. Développer un modèle prédictif précis pour la résistance à la compression du béton auto-compactant (BAC) utilisant des cendres volantes de classe F est crucial. Cette étude évalue divers modèles d'apprentissage machine à l'aide d'un ensemble de données de 327 échantillons. Les modèles incluent des arbres de régression, la régression par vecteurs de support, la régression par processus gaussien et des réseaux de neurones artificiels (RNA). L'ensemble des RNA présente la plus haute précision, avec une erreur absolue moyenne de 4,37 MPa et un coefficient de corrélation de 0,96. De plus, des modèles plus simples comme la programmation multi-génétique et les arbres de régression individuels fonctionnent également de manière comparable. Béton auto-compactant, cendres volantes de classe F, résistance à la compression, apprentissage machine, réseaux de neurones artificiels, arbres de régression, et régression par processus gaussien sont des termes clés de cette étude.