Machine Learning na Construção Civil: Análise de Desempenho do XGBoost para Previsão de Resistência à Compressão do Concreto

O presente trabalho aborda um modelo preditivo baseado em dados na engenharia. O foco central da pesquisa é a aplicação do algoritmo de aprendizagem de máquina XGBoost (Extreme Gradient Boosting) para prever a resistência à compressão do concreto, uma propriedade mecânica complexa e não linear que depende da proporção de diversos constituintes como cimento, água e agregados. A metodologia utilizou uma base de dados consolidada na literatura (Yeh, 1998) com 1.030 amostras. O modelo foi treinado considerando oito variáveis de entrada e uma de saída — a resistência à compressão do concreto. Os resultados demonstraram a superioridade do modelo frente a métodos estatísticos tradicionais e outras arquiteturas de IA. O algoritmo alcançou um coeficiente de determinação (R²) de 0,976, indicando que o modelo é capaz de explicar quase 98% da variabilidade dos dados de teste. Além disso, obteve um erro quadrático médio (RMSE) de 2,50 MPa, consolidando-se como uma ferramenta robusta, precisa e de baixo custo para auxiliar engenheiros na previsão da segurança estrutural sem a necessidade imediata de ensaios laboratoriais exaustivos.