Tipo:	Trabalho de Conclusão de Curso
Título:	Otimização de hiperparâmetros com algoritmo genético: uma análise comparativa entre ANN e RF para predição do índice de suporte Califórnia
Autor(es):	Lopes, Iago de Souza
Primeiro Orientador:	Ribeiro, Alexandre
metadata.dc.contributor.referee1:	Ribeiro, Alexandre
metadata.dc.contributor.referee2:	Luz, Marta Pereira da
metadata.dc.contributor.referee3:	Dantas, Maria José Pereira
Resumo:	O tempo demandado para realizar o ensaio do Índice de Suporte Califórnia (ISC) justifica a busca por métodos preditivos computacionais. No entanto, modelos de Machine Learning frequentemente carecem de uma metodologia de validação criteriosa, arriscando conclusões superestimadas. Visando contribuir com esta temática, este trabalho propõe um framework robusto para a otimização e comparação de modelos ANN e RF, via Algoritmo Genético (GA). A metodologia avalia sistematicamente múltiplos cenários experimentais a partir de banco de dados público da COPPE/UFRJ. Os resultados demonstraram que a abordagem de otimização é eficaz, com o modelo GA-ANN, alcançando um R² de 0.780 nos dados de teste. O framework apresentado consiste em uma ferramenta eficaz para o desenvolvimento de modelos preditivos, agilizando a estimativa do CBR para dar suporte às análises preliminares e decisões de anteprojeto em pavimentação.
Palavras-chave:	Otimização Algoritmo genético Machine learning
CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma:	por
País:	Brasil
Editor:	Pontifícia Universidade Católica de Goiás
Sigla da Instituição:	PUC Goiás
metadata.dc.publisher.department:	Escola Politécnica
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.pucgoias.edu.br/jspui/handle/123456789/10206
Data do documento:	5-Dez-2025
Aparece nas coleções:	TCC Ciência da Computação

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.