🤖 AI

Predicting California Bearing Ratio with Ensemble and Neural Network Models: A Case Study from Turkiye

Este estudio demuestra que un modelo de Bosque Aleatorio, entrenado con 382 muestras de suelo de Türkiye, predice eficazmente el Índice de Soporte de California con alta precisión (R²=0,83), ofreciendo una alternativa de aprendizaje automático rápida y fiable a las pruebas de laboratorio tradicionales y laboriosas para la ingeniería geotécnica.

Autores originales: Abdullah Hulusi Kökçam, Uğur Dağdeviren, Talas Fikret Kurnaz, Alparslan Serhat Demir, Caner Erden

Publicado 2026-09-07

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Abdullah Hulusi Kökçam, Uğur Dağdeviren, Talas Fikret Kurnaz, Alparslan Serhat Demir, Caner Erden

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Antes de que se pueda construir una carretera, los ingenieros deben saber si el terreno debajo de ella es lo suficientemente fuerte como para soportar el peso del tráfico. Esto no es una suposición; es un cálculo basado en cuánta presión puede soportar el suelo antes de ceder. Durante casi un siglo, la forma estándar de medir esta resistencia ha sido una prueba llamada Relación de CBR de California. En un laboratorio, un pistón se empuja en una muestra de suelo a una velocidad constante y lenta. La fuerza necesaria para introducir el pistón se compara con la fuerza necesaria para introducirlo en un bloque estándar de piedra triturada. El resultado es un único número que indica a los ingenieros qué tan bien funcionará ese suelo como cimiento para autopistas o pistas de aterrizaje. Si bien este método es confiable, también es lento, costoso y requiere enviar muestras a un laboratorio, lo que puede retrasar los proyectos y aumentar los costos. A medida que crece la demanda de una construcción más rápida y eficiente, los investigadores han comenzado a preguntarse si las computadoras pueden aprender a predecir este número simplemente observando otras propiedades del suelo que sean más fáciles de medir.

Un equipo de investigadores en Türkiye se propuso responder a esta pregunta enseñando a las computadoras a reconocer los patrones ocultos en los datos del suelo. Recopilaron una gran colección de información de 382 muestras de suelo diferentes tomadas de diversas regiones de todo el país. Para cada muestra, ya conocían la Relación de CBR de California final de pruebas de laboratorio pasadas. También tenían una lista de otras características para cada muestra, como cuánta agua podía retener el suelo, qué tan finas o gruesas eran las partículas y cuánto se encogería o expandiría el suelo. Los investigadores trataron esta información como un rompecabezas, introduciendo estas características conocidas en doce programas informáticos diferentes diseñados para encontrar relaciones matemáticas. Estos programas variaban desde árboles de decisión simples hasta redes complejas que imitan la forma en que los cerebros humanos procesan la información. El objetivo era ver si las computadoras podían aprender las reglas que conectan los rasgos básicos del suelo con su calificación de resistencia final sin haber visto nunca los resultados de la prueba de resistencia durante su entrenamiento.

Los investigadores dividieron sus datos en dos grupos. Utilizaron la mayoría de las muestras para enseñar a los programas informáticos, permitiéndoles practicar la realización de predicciones y corregir sus propios errores. Guardaron las muestras restantes para actuar como un examen final, probando los programas con suelos que nunca habían visto antes. Para asegurar que los resultados fueran justos y no solo una suerte de azar, realizaron las pruebas múltiples veces y ajustaron la configuración de cada programa informático para encontrar el mejor rendimiento posible. Tras realizar esta rigurosa comparación, un tipo de programa destacó por ser el más preciso. Se trataba de un método de conjunto llamado Random Forest (Bosque Aleatorio), que funciona combinando las opiniones de muchos modelos de decisión más pequeños para llegar a una conclusión única y confiable. Este modelo demostró ser el más hábil en la tarea, prediciendo correctamente la resistencia del suelo en el examen final con un alto grado de precisión.

Los resultados mostraron que el modelo Random Forest podía predecir la resistencia del suelo con una precisión notable, coincidiendo con los resultados reales del laboratorio mucho mejor que los otros once programas probados. Cuando los investigadores observaron la diferencia entre lo que la computadora predijo y lo que el laboratorio midió realmente, los errores fueron pequeños y equilibrados, lo que significa que el modelo no sobreestimó ni subestimó de manera constante. Aunque algunos casos extremos fueron más difíciles de predecir, el rendimiento general fue lo suficientemente sólido como para sugerir que este enfoque es viable. El estudio no pretendía afirmar que este método reemplace la necesidad de realizar pruebas físicas por completo, pero demostró que una computadora podría proporcionar una estimación muy cercana utilizando datos que a menudo ya están disponibles. Este hallazgo ofrece un camino práctico hacia adelante para los ingenieros, sugiriendo que podrían utilizar estas herramientas digitales para evaluar rápidamente las condiciones del suelo y tomar decisiones más rápidas e informadas durante las etapas iniciales del diseño de carreteras y cimientos.

Resumen Técnico: Predicción del Índice de CBR mediante Modelos de Ensamblaje y Redes Neuronales

Planteamiento del Problema
El Índice de CBR (California Bearing Ratio) es un indicador geotécnico fundamental utilizado para evaluar la capacidad de carga de los suelos de subrasante para la infraestructura de transporte y el diseño de cimentaciones. Tradicionalmente, los valores de CBR se determinan mediante ensayos de penetración de laboratorio (húmedos o secos) que involucran velocidades de inserción de pistón y profundidades de penetración específicas (2.5 mm y 5 mm). Aunque precisos, estos métodos convencionales se caracterizan por ser laboriosos en tiempo, mano de obra y costos, particularmente cuando se aplican a proyectos de gran escala o perfiles de suelo diversos. En consecuencia, existe la necesidad de métodos de estimación indirectos, rápidos y fiables que utilicen propiedades índice del suelo fácilmente disponibles.

Metodología
Este estudio propone un marco basado en datos para predecir los valores de CBR utilizando algoritmos de aprendizaje automático (ML). La investigación utilizó un conjunto de datos exhaustivo compuesto por 382 muestras de suelo recolectadas de diversas regiones geoclimáticas de Turquía, obtenidas de los archivos de laboratorio de la Dirección General de Carreteras de Turquía.

Características de Entrada: Las entradas del modelo incluyeron siete propiedades del suelo: Contenido de Grava (GC), Contenido de Arena (SC), Contenido de Finos (FC), Límite Líquido (LL), Índice de Plasticidad (PI), Densidad Seca Máxima (MDD) y Contenido de Humedad Óptima (OMC).
Partición de Datos: El conjunto de datos se dividió aleatoriamente en un conjunto de entrenamiento (80%, n=305) y un conjunto de prueba (20%, n=77).
Selección de Algoritmos: Se implementaron y compararon doce modelos distintos basados en regresión:
- Métodos de Ensamblaje: Random Forest, Bagging, Extra Trees, Voting, Stacking, Gradient Boosting, AdaBoost y XGBoost.
- Basados en Árboles: Decision Tree.
- Basados en Kernel: Support Vector Regression (SVR).
- Basados en Instancias: K-Nearest Neighbors (K-NN).
- Redes Neuronales: Multi-Layer Perceptron (MLP).
Optimización y Validación: Para garantizar la robustez y evitar el sobreajuste, se realizó una sintonización de hiperparámetros mediante Búsqueda de Cuadrícula (Grid Search) con validación cruzada de 5 pliegues (5-fold cross-validation). Cada modelo fue entrenado y evaluado cinco veces con diferentes estados aleatorios para considerar la variabilidad, reportando las métricas de rendimiento promedio.

Resultos Clave
El rendimiento de los modelos se evaluó utilizando el coeficiente de determinación ( $R^2$ ), el Error Absoluto Medio (MAE) y la Raíz del Error Cuadrático Medio (RMSE).

Mejor Desempeño: El Random Forest Regressor emergió como el modelo más efectivo. Alcanzó una puntuación de $R^2$ de 0.832 en el conjunto de prueba, con un MAE de 6.263 y un RMSE de 11.823.
Desempeño Comparativo: Aunque otros modelos de ensamblaje como Bagging, Extra Trees y Voting Regressors demostraron un sólido desempeño, sus resultados fueron ligeramente inferiores al de Random Forest en el conjunto de prueba final. Notablemente, el Voting Regressor mostró un $R^2$ de entrenamiento alto (0.994) pero un $R^2$ de validación inferior (0.683), lo que indica un potencial sobreajuste en comparación con la mayor estabilidad de Random Forest.
Comportamiento del Modelo: El análisis visual de las predicciones de Random Forest (Real vs. Predicho) reveló que la mayoría de los puntos de datos se alineaban estrechamente con la línea diagonal ideal. La distribución del error fue cercana a la normal y centrada en cero, lo que indica predicciones sin sesgo, aunque se observó una ligera tendencia a la sobreestimación en casos específicos.
Modelos de Bajo Rendimiento: Modelos como Stacking, MLP y Decision Tree arrojaron puntuaciones de $R^2$ en el conjunto de prueba más bajas (0.519, 0.748 y 0.683, respectivamente), lo que sugiere que fueron menos efectivos para capturar las relaciones no lineales en este conjunto de datos específico en comparación con los métodos de ensamblaje basados en árboles.

Contribuciones Clave

Análisis Comparativo Exhaustivo: El estudio proporciona una evaluación sistemática de doce diversos algoritmos de ML, que van desde árboles de decisión simples hasta complejos ensamblajes de apilamiento (stacking) y redes neuronales, aplicados específicamente a la predicción de CBR en el contexto de las condiciones geoclimáticas de Turquía.
Marco de Validación Robusto: Al emplear validación cruzada de 5 pliegues, múltiples iteraciones de estados aleatorios y una división estricta de entrenamiento/prueba, el estudio establece un protocolo riguroso para evaluar la generalización de los modelos en aplicaciones geotécnicas.
Identificación de la Arquitectura Óptima: La investigación identifica a Random Forest como la arquitectura superior para este problema específico, destacando su capacidad para mapear relaciones complejas y no lineales entre las propiedades índice del suelo y la capacidad de carga de manera más efectiva que los otros métodos probados.

Significado y Reivindicaciones
El artículo sostiene que la integración del aprendizaje automático en la ingeniería geotécnica ofrece una alternativa viable a las pruebas de laboratorio tradicionales. El significado principal radica en el potencial de reducir el tiempo y los costos de las pruebas manteniendo la precisión predictiva. El estudio respalda la adopción de modelos centrados en datos para la estimación indirecta de CBR, promoviendo un cambio hacia la transformación digital en el análisis y diseño de infraestructuras. Los autores concluyen que las técnicas de aprendizaje basadas en ensamblaje, particularmente Random Forest, son herramientas robustas para tareas geotécnicas predictivas, capaces de manejar la complejidad del comportamiento del suelo sin las cargas logísticas de los ensayos físicos de penetración.

Más como este