💻 computer science

Machine Learning and Bayesian Approaches for Concrete Compressive Strength Prediction: A Comparative Study Using the UCI Dataset

Este estudio evalúa diversos enfoques de aprendizaje automático y bayesianos en el conjunto de datos de resistencia a la compresión del concreto de la UCI, encontrando que, si bien XGBoost con optimización bayesiana ofrece la mayor precisión predictiva, la Regresión de Procesos Gaussianos ofrece ventajas únicas en la cuantificación de la incertidumbre, estando todos los resultados y herramientas disponibles públicamente a través de código en R y una aplicación interactiva de Shiny.

Autores originales: Mayooran Thevaraja, Kathirgamanathan Pathmanathan

Publicado 2026-08-18

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mayooran Thevaraja, Kathirgamanathan Pathmanathan

Artículo original bajo licencia CC BY 4.0 (https://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

El hormigón es el material más consumido en el planeta, formando el esqueleto de nuestras ciudades, puentes y presas. Sin embargo, el proceso mismo de fabricarlo es una fuente significativa de emisiones globales de carbono, principalmente debido al cemento utilizado para unir la mezcla. A medida que la industria de la construcción busca reducir su huella ambiental, los ingenieros están recurriendo a recetas más complejas que incluyen ingredientes alternativos como la ceniza volante y la escoria. Estas nuevas mezclas son más difíciles de predecir utilizando los antiguos métodos de ensayo y error. La resistencia del producto final depende de una compleja red de factores: cuánta agua se mezcla, la edad del hormigón y las proporciones específicas de diversos polvos y piedras. Debido a que estos ingredientes interactúan de formas complicadas y no lineales, adivinar la mezcla adecuada suele conducir al desperdicio o, lo que es peor, a estructuras inseguras. Para resolver esto, los investigadores recurren cada vez más a computadoras que pueden aprender de datos pasados para predecir qué tan fuerte será un nuevo lote de hormigón antes de que siquiera sea vertido.

Un equipo de investigadores de la Universidad de Jaffna en Sri Lanka se propuso probar qué tan bien diferentes métodos de aprendizaje computacional podían predecir la resistencia del hormigón. Utilizaron una colección de datos muy conocida que contiene más de mil ejemplos del mundo real de mezclas de hormigón, cada una con ocho ingredientes diferentes y una medición de resistencia registrada. Los investigadores introdujeron estos datos en varios tipos diferentes de modelos computacionales para ver cuál podía aprender mejor los patrones. Compararon métodos estadísticos estándar con técnicas más avanzadas, incluyendo un método que utiliza la probabilidad para dar cuenta de la incertidumbre, y potentes algoritos que construyen muchos árboles de decisión pequeños para realizar una predicción final. Su objetivo no era solo encontrar el número más preciso, sino comprender qué herramientas se adaptan mejor a la realidad desordenada de los materiales de construcción.

Los resultados mostraron un claro ganador en términos de precisión bruta. El modelo más exitoso fue un algoritmo sofisticado conocido como XGBoost, que logró predecir la resistencia del hormigón con un alto grado de precisión. En los datos de prueba, este modelo alcanzó un coeficiente de determinación (R²) de 0.919, con un error promedio de menos de cinco megapascales, una unidad estándar para medir la presión y la resistencia. Otro método basado en árboles llamado Random Forest también funcionó muy bien, aunque fue ligeramente menos preciso. En contraste, un método basado en la regresión de procesos gaussianos, que es famoso por su capacidad de mostrar qué tan incierta puede ser una predicción, no predijo la resistencia exacta tan bien como los modelos basados en árboles. Aunque los investigadores dedicaron tiempo a ajustar la configuración de este método de regresión, las mejoras fueron mínimas, reduciendo el error en menos del uno por ciento. Esto sugiere que, para este tipo específico de datos, los complejos algoritmos basados en árboles son simplemente mejores para encontrar la respuesta correcta que el enfoque de regresión.

Sin embargo, el estudio destacó que la precisión no es lo único que importa en la ingeniería. Si bien los modelos basados en árboles proporcionaron el mejor número único, la regresión de procesos gaussianos ofreció algo único: una imagen completa de la incertidumbre. En lugar de solo decir "la resistencia será de 40 megapascales", este método podía proporcionar un rango de resultados probables, diciéndole a un ingeniero que la resistencia probablemente esté entre 35 y 45 megapascales. Esta capacidad de cuantificar el riesgo es vital para la seguridad, ya que los ingenieros necesitan saber no solo la resistencia promedio, sino también los peores escenarios. Los investigadores utilizaron una técnica de simulación para generar miles de resultados posibles para una mezcla típica de hormigón, encontrando que, si bien la resistencia promedio era de alrededor de 38 megapascales, el 5 por ciento de los resultados más bajos rondaba los 31 megapascales. Este tipo de visión probabilística ayuda a los ingenieros a diseñar estructuras que sean seguras incluso cuando los materiales varían ligeramente.

El análisis también desveló las capas de lo que realmente hace fuerte al hormigón. Al realizar una prueba de sensibilidad, los investigadores confirmaron que la relación entre el agua y los materiales aglutinantes es el factor más importante. A medida que la cantidad de agua aumenta en relación con el cemento y otros aglutinantes, la resistencia cae drásticamente. La edad del hormigón fue el segundo factor más crítico, con la resistencia creciendo significamente durante el primer mes de curado. El estudio también observó cómo varía la resistencia a través de diferentes grupos de edad, señalando que el periodo de prueba más común en los datos fue entre los 15 y 28 días, lo que representaba casi la mitad de todas las muestras. Los investigadores encontraron que la variabilidad en la resistencia tiende a aumentar a medida que el hormigón envejece, reflejando la compleja interacción de los ingredientes a lo largo del tiempo.

Para asegurar que estos hallazgos pudieran ser utilizados tanto por ingenieros como por estudiantes, el equipo no solo publicó sus números; construyeron una herramienta interactiva gratuita. Crearon una aplicación web que permite a cualquier persona cargar sus propios datos de mezcla de hormigón o utilizar el conjunto de datos existente para ver predicciones en tiempo real y rangos de incertidumbre. Esta herramienta cierra la brecha entre la teoría estadística avanzada y las necesidades prácticas de la industria de la construcción, permitiendo a los usuarios experimentar con diferentes recetas sin necesidad de saber programar. El estudio concluye que, si bien las predicciones más precisas provienen de algoritmos basados en árboles, el mejor enfoque para la ingeniería del mundo real probablemente implique el uso de estos modelos precisos junto con métodos que puedan cuantificar la incertidumbre, asegurando que los edificios del futuro sean tanto eficientes como seguros.

Resumen Técnico: Aprendizaje Automático y Enfoques Bayesianos para la Predicción de la Resistencia a la Compresión del Concreto

Planteamiento del Problema
El artículo aborda la creciente complejidad del diseño de mezclas de concreto moderno, impulsada por los requisitos de sostenibilidad y la incorporación de materiales cementantes suplementarios (SCM). Los métodos tradicionales de diseño de mezclas empíricos son cada vez más inadecuados para navegar el espacio de diseño de alta dimensionalidad y no lineal definido por parámetros interdependientes como la relación agua-aglutinante, la composición del aglutinante y las condiciones de curado. Además, los modelos deterministas convencionales no logran capturar la variabilidad inherente en las materias primas y los procedimientos de ensayo, proporcionando únicamente estimaciones puntuales sin cuantificar la incertidumbre esencial para la toma de decisiones de ingeniería estructural informadas por el riesgo.

Metodología
El estudio utiliza el conjunto de datos de Resistencia a la Compresión del Concreto del repositorio UCI Machine Learning, que comprende 1,030 observaciones con ocho variables de entrada (Cemento, Escoria, Ceniza Volante, Agua, Superplastificante, Agregado Grueso, Agregado Fino y Edad) y una variable de salida (Resistencia a la Compresión). Los datos fueron preprocesados mediante normalización z-score y divididos en conjuntos de entrenamiento (80%) y prueba (20%).

Los autores implementaron y compararon un conjunto de enfoques computacionales:

Modelos de Aprendizaje Automático: Regresión Lineal, Random Forest y XGBoost (eXtreme Gradient Boosting).
Enfoques Bayesianos: Se evaluó la Regresión de Procesos Gaussianos (GPR) bajo tres configuraciones: estimación automática de sigma por defecto, optimización de sigma mediante validación cruzada y sigma fijo.
Optimización de Hiperparámetros: Se aplicó la optimación bayesiana para ajustar los hiperparámetros de XGBoost (nrounds, max_depth, eta, subsample, colsample_bytree).
Modelado Jerárquico: Se construyó un modelo bayesiano jerárquico con lotes definidos por grupos de edad de curado para capturar la variabilidad multinivel.
Análisis Probabilístico: Se utilizó la simulación de Monte Carlo (10,000 iteraciones) para generar predicciones probabilísticas de resistencia para un diseño de mezcla típico.
Análisis de Sensibilidad: Se generaron diagramas de contorno y clasificaciones de importancia de características para identificar los parámetros dominantes de la mezcla.

Todos los análisis se realizaron en R (versión 4.5.1), utilizando paquetes como kernlab, xgboost, randomForest y caret.

Resultos Clave

Desempeño Predictivo: XGBoost logró la mayor precisión predictiva en el conjunto de prueba con un $R^2$ de 0.919 y un RMSE de 4.69 MPa. Random Forest le siguió con un $R^2$ de 0.869 y un RMSE de 5.96 MPa. Ambos métodos de ensamble basados en árboles superaron sustancialmente a la Regresión Lineal ( $R^2$ = 0.599) y a todas las configuraciones de GPR.
Desempeño de GPR: La configuración por defecto de GPR arrojó un $R^2$ de 0.744 (RMSE = 7.47 MPa). La optimización de hiperparámetros mediante validación cruzada proporcionó solo una mejora marginal ( $R^2$ = 0.797, RMSE = 7.41 MPa), representando una reducción del 0.8% en el RMSE. Una configuración de sigma fijo fue la que peor desempeño tuvo ( $R^2$ = 0.758).
Optimización de Hiperparámetros: La optimización bayesiana para XGBoost demostró una convergencia eficiente, reduciendo el RMSE de validación a aproximadamente 3.84 MPa dentro de 15 iteraciones, superando significativamente la búsqueda aleatoria o de cuadrícula en términos de eficiencia de iteración.
Análisis Jerárquico: El análisis reveló que el grupo de edad de 15–28 días contenía la mayoría de las observaciones (41.3%). La resistencia media aumentó de 18.8 MPa (1–3 días) a un pico de 51.9 MPa (29–56 días) antes de disminuir ligeramente. La resistencia característica (percentil 5) varió significativamente entre los grupos de edad, oscilando entre 6.3 MPa y 30.7 MPa.
Incertidumbre y Sensibilidad: La simulación de Monte Carlo para un diseño de mezcla típico produjo una resistencia media predicha de 38.1 MPa con una resistencia característica (percentil 5) de 30.8 MPa. El análisis de sensibilidad identificó la relación agua-aglutinante como el factor dominante que influye en la resistencia, seguido por el contenido de cemento y la edad. Las clasificaciones de importancia de características tanto de Random Forest como de XGBoost destacaron consistentemente la Edad, el Cemento y el Agua como los principales predictores.

Contribuciones Clave

Análisis Comparativo Exhaustivo: El estudio proporciona una evaluación sistemática de los métodos bayesianos (GPR, modelado jerárquico) frente a los ensambles de aprendizaje automático modernos (XGBoost, Random Forest) sobre un conjunto de datos de referencia estándar.
Perspectivas de Optimización de Hiperparámetros: El documento demuestra que, si bien la optimización bayesiana es efectiva para XGBoost, la optimización de hiperparámetros para GPR en este conjunto de datos específico produce solo ganancias de rendimiento incrementales, lo que sugiere que los ajustes por defecto pueden estar cerca de lo óptimo para esta distribución de datos.
Marco Probabilístico: La integración del modelado bayesiano jerárquico y la simulación de Monte Carlo permite la cuantificación de la incertidumbre y la generación de valores de resistencia característica, los cuales son críticos para el diseño de ingeniería pero suelen estar ausentes en las aplicaciones estándar de ML.
Reproducibilidad y Accesibilidad: Los autores han puesto a disposición del público todo el código en R y una aplicación interactiva en R Shiny. Esta herramienta permite a los usuarios cargar datos de diseño de mezclas personalizados, visualizar relaciones y obtener predicciones en tiempo real con límites de incertidumbre, cerrando la brecha entre los métodos computacionales avanzados y la aplicación práctica de la ingeniería.

Significancia y Reivindicaciones
El artículo sostiene que, si bien los métodos de ensamble basados en árboles como XGBoost ofrecen una precisión predictiva superior para la predicción de la resistencia del concreto en el conjunto de datos UCI, GPR retiene una ventaja única al proporcionar distribuciones predictivas completas y una cuantificación explícita de la incertidumbre. Los autores argumentan que la selección del modelo debe ser impulsada por las necesidades específicas de la aplicación: maximizar la precisión frente a cuantificar el riesgo.

El estudio enfatiza que los enfoques modernos de aprendizaje automático ofrecen mejoras sustanciales sobre los métodos empíricos convencionales, permitiendo diseños de mezcla más precisos y una reducción del sobrediseño. Al hacer que las herramientas computacionales sean accesibles mediante un repositorio de código abierto y una aplicación web interactiva, los autores pretenden facilitar la adopción de métodos basados en datos y conscientes de la incertidumbre en la industria del concreto, apoyando tanto fines educativos como la optimización práctica de la ingeniería. Los hallazgos se alinean con la literatura reciente que sugiere la superioridad de los algoritmos de boosting para este dominio de problemas específico, al tiempo que resaltan el valor continuo de los métodos bayesianos para el análisis de la incertidumbre.

Resumen Técnico: Aprendizaje Automático y Enfoques Bayesianos para la Predicción de la Resistencia a la Compresión del Concreto

Más como este