Un algoritmo IVYPSO de probabilidad adaptativa bioinspirado con estrategia adaptativa para la propagación hacia atrás...

Área de la Ciencia:

• Ingeniería civil
• Ciencias de los materiales
• Inteligencia computacional

Sus antecedentes:

• La predicción precisa de la resistencia del hormigón de alto rendimiento (HPC) es vital para la integridad estructural y la construcción sostenible.
• Las interacciones complejas dentro de los componentes de HPC desafían los modelos predictivos tradicionales, lo que lleva a inexactitudes.
• Los métodos existentes luchan con la alta dimensionalidad y los datos ruidosos, arriesgando el exceso de ajuste y el óptimo local.

Objetivo del estudio:

• Desarrollar un nuevo modelo de optimización híbrido de inspiración biológica, AP-IVYPSO-BP, para mejorar la predicción de la fuerza de HPC.
• Para abordar las limitaciones de los modelos convencionales en la captura de relaciones no lineales y multifactoriales en HPC.
• Mejorar la precisión, la robustez y la generalización de los modelos de predicción de la resistencia del concreto.

Principales métodos:

• Integración del algoritmo de hiedra (IVYA) con la optimización de enjambres de partículas (PSO) y una estrategia de probabilidad adaptativa.
• Optimización de las ponderaciones y sesgos de la red neuronal de retropropagación (BPNN) utilizando el algoritmo AP-IVYPSO.
• Formación y validación en un conjunto de datos de 1030 muestras de mezclas de HPC.

Principales resultados:

• AP-IVYPSO-BP demostró un rendimiento superior en comparación con los modelos tradicionales BPNN, PSO-BP, GA-BP y IVY-BP.
• Se alcanzó una alta precisión en el conjunto de ensayos con R2 de 0,9542, MAE de 3,0404 y RMSE de 3,7991.
• El modelo equilibró efectivamente la exploración global y la explotación local, mitigando los problemas de convergencia.

Conclusiones:

• El modelo propuesto AP-IVYPSO-BP ofrece una solución altamente precisa y fiable para predecir la resistencia a la compresión de HPC.
• Este enfoque de inspiración biológica proporciona un valor práctico para las aplicaciones de ingeniería civil y el diseño de materiales.
• Las capacidades predictivas mejoradas del modelo contribuyen a prácticas de construcción más sólidas y sostenibles.