Détails du sujet
Prédiction multi-sortie des propriétés mécaniques du béton à base de granulats recyclés par apprentissage automatique.
Résumé
Auteur : Bishikwabo Masheka
Niveau: TECH2
Département: Genie civil
Année Ac: 2025-2026 , | 2026-10-15 18:00:06
Mots clés
Prédiction, béton, granulats recyclés, apprentissage automatique
Intérêt
Problématique
L’intégration des granulats recyclés introduit une variabilité majeure dans la matrice
cimentaire. Les modèles empiriques conventionnels échouent souvent à estimer avec pré-vision le comportement mécanique de ces matériaux hétérogènes.
Bien que l’apprentissage automatique soit de plus en plus mobilisé en génie civil, la
grande partie des travaux antérieurs adopte une approche mono-sortie (single-output).
Ces modèles prédisent une seule propriété à la fois, généralement la résistance à la compression à 28 jours, en ignorant les inter corrélations physiques qui unissent les différentes propriétés mécaniques d’un même mélange. Prédire ces paramètres de manière isolée limite l’optimisation des structures. L’absence de modèles robustes fondés sur l’apprentissage multi-sortie (multi-output learning) pour l’évaluation des propriétés mécaniques du béton recyclé constitue une lacune scientifique qu’il convient de combler. Plan provisoire
Hypothèses
1. L’apprentissage multi-sortie offre une meilleure cohérence physique et une précision accrue en capturant les corrélations naturelles entre la compression, la traction et le module d’élasticité.
2. Les modèles d’apprentissage automatique affichent une flexibilité et une précision nettement supérieures aux formules analytiques rigides de la littérature face à l’hétérogénéité des granulats recyclés.
3. Le rapport eau/ciment et le taux de substitution en granulats recyclés sont les paramètres qui influencent le plus les trois propriétés mécaniques. Méthodes
Ce travail est de nature numérique et repose sur des données expérimentales issues de
la littérature. La démarche comporte trois étapes :
1. La collecte, le nettoyage et l’analyse
statistique des données;
2. le développement, l’optimisation (Grid Search, validation croisée à 10 plis) et l’évaluation des modèles de ML (fc, ft et Ec);
3. la confrontation des prédictions avec celles des modèles analytiques, suivie d’une analyse d’interprétabilité.
Le travail se limite aux trois propriétés mécaniques précitées du béton à base de granulat recyclés; la durabilité n’est abordée que dans la revue de la littérature. Le développement est réalisé en langage Python. Bibliographie
Directeur & Encadreur
Status
Décision ou observation:
Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON
Prédiction multi-sortie des propriétés mécaniques du béton à base de granulats recyclés par apprentissage automatique.
Résumé
Auteur : Bishikwabo Masheka
Niveau: TECH2
Département: Genie civil
Année Ac: 2025-2026 , | 2026-10-15 18:00:06
Mots clés
Prédiction, béton, granulats recyclés, apprentissage automatiqueIntérêt
Problématique
L’intégration des granulats recyclés introduit une variabilité majeure dans la matricecimentaire. Les modèles empiriques conventionnels échouent souvent à estimer avec pré-vision le comportement mécanique de ces matériaux hétérogènes.
Bien que l’apprentissage automatique soit de plus en plus mobilisé en génie civil, la
grande partie des travaux antérieurs adopte une approche mono-sortie (single-output).
Ces modèles prédisent une seule propriété à la fois, généralement la résistance à la compression à 28 jours, en ignorant les inter corrélations physiques qui unissent les différentes propriétés mécaniques d’un même mélange. Prédire ces paramètres de manière isolée limite l’optimisation des structures. L’absence de modèles robustes fondés sur l’apprentissage multi-sortie (multi-output learning) pour l’évaluation des propriétés mécaniques du béton recyclé constitue une lacune scientifique qu’il convient de combler.
Plan provisoire
Hypothèses
1. L’apprentissage multi-sortie offre une meilleure cohérence physique et une précision accrue en capturant les corrélations naturelles entre la compression, la traction et le module d’élasticité.2. Les modèles d’apprentissage automatique affichent une flexibilité et une précision nettement supérieures aux formules analytiques rigides de la littérature face à l’hétérogénéité des granulats recyclés.
3. Le rapport eau/ciment et le taux de substitution en granulats recyclés sont les paramètres qui influencent le plus les trois propriétés mécaniques.
Méthodes
Ce travail est de nature numérique et repose sur des données expérimentales issues dela littérature. La démarche comporte trois étapes :
1. La collecte, le nettoyage et l’analyse
statistique des données;
2. le développement, l’optimisation (Grid Search, validation croisée à 10 plis) et l’évaluation des modèles de ML (fc, ft et Ec);
3. la confrontation des prédictions avec celles des modèles analytiques, suivie d’une analyse d’interprétabilité.
Le travail se limite aux trois propriétés mécaniques précitées du béton à base de granulat recyclés; la durabilité n’est abordée que dans la revue de la littérature. Le développement est réalisé en langage Python.
Bibliographie
Directeur & Encadreur
Status
Décision ou observation:Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON