Desarrollo de un modelo predictivo de las propiedades mecánicas del suelo usando redes neuronales artificiales

Determinar las propiedades del suelo es una tarea necesaria pero costosa en el diseño de pavimentos, por dicha razón, en este estudio se desarrollaron cuatro redes neuronales artificiales (RNA) basadas en perceptrón multicapa para predecir la máxima densidad seca (MDD), el óptimo contenido de humedad (OMC), el valor de la relación de soporte de California (CBR) al 95% de la MDD y el CBR al 100% de la MDD, respectivamente. El método considera un dataset con 285 ejemplos, definición de arquitectura base mediante optimización bayesiana y validación cruzada, modificación de la arquitecturay los hiperparámetros para mejorar el desempeño. Las RNA se entrenaron considerando 3000 épocas, función ReLU,tasa de aprendizaje, dropout; fueron evaluadas con el coeficiente de correlación (R) y el error cuadrático medio (MSE) y predijeron la MDD con R=0,90, OMC con R=0,87, CBR al 95% con R=0,92, CBR al 100% con R=0,89, respectivamente, demostrando que los modelos son eficientes para predecir las propiedades del suelo.