Previsione della resistenza del calcestruzzo: utilizzando modelli di apprendimento automatico

Il calcestruzzo rimane il materiale da costruzione più utilizzato al mondo, grazie alla sua facilità di lavorazione, alla sua disponibilità e al suo basso costo. La sua resistenza alla compressione costituisce la sua proprietà meccanica fondamentale e il principale criterio di prestazione per il dimensionamento delle strutture. È stata utilizzata una banca dati sperimentale per confrontare le prestazioni di diverse tecniche di apprendimento automatico: regressione Lasso, regressione polinomiale quadratica, alberi decisionali, macchine a vettori di supporto, reti neurali artificiali, foreste casuali, bagging, gradient boosting e processi gaussiani. Per il modello GPR sono state prese in considerazione quattro funzioni di covarianza. A ciascun algoritmo è stata applicata un'ottimizzazione sistematica degli iperparametri. È stata condotta un'analisi comparativa basata su indicatori statistici e strumenti grafici. Un'analisi di sensibilità evidenzia l'influenza relativa dei parametri di formulazione, sottolineando in particolare il ruolo determinante del tenore di cemento. Infine, un'analisi di propagazione dell'incertezza rivela una dispersione non trascurabile delle previsioni.