Modelo predictivo basado en Machine Learning para estimar la respuesta mecánica de los suelos de subrasante de la vía de evitamiento de Abancay, Apurímac – 2025

Cargando...
Miniatura

Fecha

2026-08-11

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Nacional Micaela Bastidas de Apurímac

Resumen

La evaluación de la respuesta mecánica de los suelos de subrasante constituye una etapa fundamental en el diseño estructural de pavimentos, debido a que parámetros como el Índice de Soporte de California (CBR) y el módulo resiliente (Mr) determinan la capacidad del terreno para soportar las cargas repetidas del tránsito vehicular. Sin embargo, su determinación mediante ensayos de laboratorio demanda tiempo, recursos y equipamiento especializado, lo que limita su aplicación en proyectos viales. En ese contexto, el objetivo de la presente investigación fue desarrollar un modelo predictivo basado en Machine Learning para estimar la respuesta mecánica de los suelos de subrasante de la vía de evitamiento de la ciudad de Abancay, Apurímac – 2025. La investigación tuvo un enfoque cuantitativo, fue de tipo aplicada, de nivel correlacional con alcance predictivo y de diseño no experimental, transversal y retrospectivo. Se utilizó una base de datos conformada por 90 registros geotécnicos, empleándose tres muestras representativas para la validación experimental. Se evaluaron los algoritmos Gradient Boosting, Extra Trees, Random Forest e HistGradientBoosting, comparando su desempeño mediante las métricas MAE, RMSE y R², y la contrastación de la hipótesis se realizó mediante el coeficiente de correlación de Spearman. Los resultados evidenciaron que el modelo desarrollado alcanzó una correlación de Spearman de ρ = 0.9562 (p < 0.05) entre los valores experimentales y los estimados, demostrando una elevada capacidad predictiva para estimar el comportamiento mecánico de los suelos estudiados. Se concluye que el modelo predictivo desarrollado constituye una herramienta confiable para estimar la respuesta mecánica de los suelos de subrasante, contribuyendo a optimizar la evaluación geotécnica y apoyar la toma de decisiones en el diseño de pavimentos.

Descripción

Palabras clave

Machine Learning, Respuesta mecánica, Subrasante, CBR, Módulo resiliente

Citación