Soil Compaction Parameters Prediction Based on Automated Machine Learning Approach

Resumo Técnico: Predição de Parâmetros de Compactação de Solo Baseada em uma Abordagem de Aprendizado de Máquina Automatizado

Definição do Problema
A compactação do solo é um processo fundamental na engenharia de construção, sendo crítica para garantir a estabilidade de estruturas como aterros rodoviários e barragens de terra. Os parâmetros fundamentais que regem este processo são o Teor de Umidade Ótimo (OMC) e a Massa Específica Seca Máxima (MDD). Tradicionalmente, esses valores são determinados por meio de experimentos laboratoriais trabalhosos e demorados, especificamente os ensaios de Proctor Padrão e Modificado, que exigem preparação extensiva de amostras e múltiplas iterações para gerar curvas de compactação precisas. Embora modelos de regressão empírica e várias técnicas de Inteligência Artificial (IA) (incluindo Redes Neurais Artificiais, Regressão de Vetores de Suporte e Programação Genética) tenham sido propostos como alternativas, eles frequentemente enfrentam desafios em relação à precisão de predição e generalização, particularmente quando aplicados a conjuntos de dados heterogêneos que representam diversos tipos de solos. Além disso, o ajuste manual de hiperparâmetros nos fluxos de trabalho tradicionais de aprendizado de máquina (ML) pode limitar o desempenho do modelo.

Metodologia
Este estudo propõe uma abordagem de Aprendizado de Máquina Automatizado (AutoML) para prever o OMC e o MDD, utilizando a biblioteca AutoGluon Tabular Prediction. A metodologia envolve as seguintes etapas:

1. Aquisição e Pré-processamento de Dados: O conjunto de dados primário compreende 115 amostras de solo (após a remoção de 11 duplicatas de um total inicial de 126) extraídas de Günaydın [4]. O conjunto de dados inclui nove classes distintas de solo (SC, GM, GC, ML, MH, MI, CL, CH, CI). As características de entrada consistem em limite de liquidez (LL), limite de plasticidade (PL), conteúdo de cascalho (G%), conteúdo de areia (S%) e conteúdo de finos (F%). As variáveis alvo são OMC e MDD. Para validar a robustez, o estudo também faz referência a três conjuntos de dados externos representando tipos de solos heterogêneos, de granulação fina e de granulação grossa.
2. Estrutura de AutoML: O estudo emprega o AutoGluon, que automatiza a seleção de algoritmos, a otimização de hiperparâmetros e a engenharia de atributos. Diferente dos métodos tradicionais que exigem intervenção manual intensiva, o AutoGluon utiliza presets e empilhamento (stacking) automatizado para otimizar o desempenho do modelo.
3. Configurações Experimentais: Quatro configurações distintas de treinamento foram definidas para avaliar o desempenho:
   • Configuração 1: Configurações padrão do AutoGluon.
   • Configuração 2: Utilização do preset "Best Quality" para priorizar a precisão.
   • Configuração 3: Especificação do hiperparâmetro 'multimodal'.
   • Configuração 4: Uma combinação do preset "Best Quality" e do hiperparâmetro 'multimodal'.
4. Avaliação do Modelo: Vários algoritmos de ML (incluindo XGBoost, LightGBM, CatBoost, Random Forest e Redes Neurais) foram treinados e avaliados usando escores de R-quadrado ($R^2$) em conjuntos de teste e validação. A importância das características também foi analisada para determinar a influência das variáveis de entrada.

Principais Resultados
O estudo comparou o desempenho das quatro configurações para ambas as tarefas de predição de OMC e MDD:

• Configuração Ótima: A Configuração 4 (combinando o preset "Best Quality" e o hiperparâmetro 'multimodal') apresentou o maior desempenho para a predição do OMC, enquanto a Configação 2 (preset "Best Quality") foi altamente eficaz para o MDD.
• Melhor Algoritmo de Desempenho: O algoritmo de Gradient Boosting Extremo (XGBoost) demonstrou consistentemente um desempenho superior.
  • Predição de OMC: O modelo XGBoost na Configuração 4 alcançou um escore de $R^2$ de teste de 0,891.
  • Predição de MDD: O modelo XGBoost na Configuração 2 alcançou um escore de $R^2$ de teste de 0,804.
• Importância das Características:
  • Para OMC, o Limite de Liquidez (LL) foi identificado como a característica mais significativa (Importância: 0,473), seguido pelo Conteúdo de Finos (F%) e Conteúdo de Areia (S%). O Conteúdo de Cascalho (G%) mostrou importância negligenciável.
  • Para MDD, o Limite de Liquidez (LL) foi novamente a característica mais influente (Importância: 0,356), seguido pelo Limite de Plasticidade (PL) e Conteúdo de Finos (F%).
• Generalização: Os modelos demonstraram eficácia através de diferentes tipos de solo, reforçando o valor do uso de conjuntos de dados heterogêneos para melhorar a generalização do modelo.

Significância e Alegações
O artigo alega que esta pesquisa representa a primeira aplicação de AutoML especificamente para a predição de compactação de solo, distinguindo-se de estudos anteriores que focaram em liquefação de solo, susceptibilidade a deslizamentos ou estabilidade de taludes. As principais contribuições são:

1. Demonstração da Eficácia do AutoML: O estudo valida que o AutoML pode automatizar a seleção de algoritmos e hiperparâmetros ideais, levando a uma maior precisão e escalabilidade em comparação com abordagens manuais de ML.
2. Melhoria na Precisão de Predição: Ao alavancar o AutoML, o estudo alcançou altos valores de $R^2$ (89,1% para OMC e 80,4% para MDD), sugerindo uma alternativa confiável aos testes laboratoriais tradicionais.
3. Fundação para Construção Inteligente: Os autores postulam que esta abordagem serve como um componente fundamental para integrar sistemas de manufatura e serviços inteligentes na indústria da construção. Eles sugerem que tais modelos poderiam ser incorporados em fluxos de trabalho de infraestrutura inteligente, potencialmente permitindo suporte à decisão em tempo real e ajustes automatizados de equipamentos para otimizar os esforços de compactação.
4. Eficiência Baseada em Dados: A pesquisa contribui para práticas de construção mais eficientes e confiáveis ao transformar a predição de parâmetros de compactação de solo de um processo manual e demorado em um processo automatizado e baseado em dados.