ПОРІВНЯЛЬНИЙ АНАЛІЗ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ МІЦНОСТІ БЕТОНУ

Анотація

У роботі розглянуто задачу прогнозування міцності бетону на стиск за його складом із використанням методів машинного навчання. На основі відкритого набору даних Concrete Compressive Strength виконано порівняльний аналіз лінійної, поліноміальної регресії, штучних нейронних мереж та ансамблевих методів. Показано, що прості лінійні моделі не здатні адекватно описати складні нелінійні процеси гідратації цементу, тоді як ансамблеві методи забезпечують оптимальне співвідношення точності та стійкості. Найкращий стабільний результат отримано за допомогою алгоритму Random Forest із середньою абсолютною похибкою 3.73 МПа. Окрім цього, шляхом лінеаризації мультиплікативної моделі виведено емпіричну степеневу формулу, придатну для експрес-оцінок міцності без використання обчислювальних засобів. Отримані результати підтверджують доцільність застосування ансамблевих і гібридних підходів для інженерних задач прогнозування властивостей будівельних матеріалів.