Predicción de la resistencia a compresión del hormigón simple usando el modelo Least Absolute Shrinkage and Selection Operator (LASSO)
No Thumbnail Available
Date
2026-07-05
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato-Facultad de Ingeniería Civil y Mecánica-Carrera de Ingeniería Civil
Abstract
This study developed a Least Absolute Shrinkage and Selection Operator (LASSO) regression model to predict the 28-day compressive strength of plain concrete, as an alternative to traditional experimental methods that require laboratory testing. A database of 282 concrete mixes was compiled from research published in national university repositories, consisting of a set of 25 predictor variables for model construction. Five LASSO models with different sets of predictors were proposed, distinguishing between models with original input variables and models based on ratio-type variables. The five models were trained using K-fold cross-validation with K=3 to select the optimal regularization parameter λ. The LASSO-3 model, consisting of 25 predictor variables with a logarithmic transformation applied to the curing age, achieved the best performance with R²=0.720, RMSE=29.530 kg/cm², and MAPE=10.454%, demonstrating that the original variables capture the information better than ratio-type variables in a regularized linear regression model. During the evaluation with new mixtures, the model showed greater accuracy at average strengths of 240 kg/cm² with an RMSE of 11.545 kg/cm² and an MAPE of 2.944%, and limitations due to overestimation and underestimation at the extremes of the evaluated range (210 and 300 kg/cm2 ), a behavior inherent to linear models and a possible lack of representative data in those ranges. The results obtained demonstrate the viability of the LASSO model as a predictive tool for the design of plain concrete mixtures with normal strengths.
Description
El presente trabajo desarrolló un modelo de regresión Least Absolute Shrinkage and Selection Operator (LASSO) para la predicción de la resistencia a compresión del hormigón simple a los 28 días, como alternativa a los métodos experimentales tradicionales que requieren ensayos de laboratorio. Se conformó una base de datos de 282 mezclas de hormigón recopiladas de investigaciones publicadas en repositorios universitarios a nivel nacional compuesta por un conjunto de 25 variables predictoras para la construcción de los modelos. Se propusieron cinco modelos LASSO con distintos conjuntos de predictores, diferenciándose entre modelos con variables de entrada originales y modelos basados en variables tipo ratio. Los cinco modelos fueron entrenados mediante validación cruzada K-fold con K=3 para la selección del parámetro de regularización λ óptimo. El modelo LASSO-3, conformado por 25 variables predictoras con transformación logarítmica aplicada a la edad de curado, obtuvo el mejor desempeño con R²=0.720, RMSE=29.530 kg/cm² y MAPE=10.454%, evidenciando que las variables originales capturan mejor la información que las variables tipo ratio en un modelo de regresión lineal regularizado. Durante la evaluación con mezclas nuevas, el modelo presentó mayor precisión en resistencias medias de 240 kg/cm² con RMSE de 11.545 kg/cm2 y MAPE de 2.944%, y limitaciones por sobreestimación y subestimación en los extremos del rango evaluado (210 y 300 kg/cm2 ), comportamiento inherente a los modelos lineales y posible falta de información representativa en dichos rangos. Los resultados obtenidos demuestran la viabilidad del modelo LASSO como herramienta predictiva para el diseño de mezclas de hormigón simple de resistencias normales.
Keywords
REGRESIÓN LASSO, SELECCIÓN DE VARIABLES, REGULARIZACIÓN L1, RESISTENCIA A LA COMPRESIÓN, HORMIGÓN SIMPLE
Citation
Universidad Técnica de Ambato-Facultad de Ingeniería Civil y Mecánica-Carrera de Ingeniería Civil