Цель работы – реализация программного средства для прогнозирования прочности бетона с применением методов машинного обучения. Для достижения цели работы были поставлены задачи: 1. Анализ набора данных для обучения. 2. Исследование применения различных методов машинного обучения в задаче прогнозирования прочности бетона на основе параметров его состава. 3. Оценка работы методов и выбор модели с наименьшей среднеквадратичной ошибкой. 4. Реализация приложения, прогнозирующего прочность бетона. 5. Тестирование приложения. В ходе работы была изучена предметная область, проведен обзор традиционных методик расчета прочности и примеров применения методов машинного обучения для решения задачи прогнозирования прочности бетона. В результате выполненной работы реализовано программное средство, которое имеет возможность расчета прочности бетона по традиционной методике (формула Боломея) и прогнозирования прочности бетона с помощью методов машинного обучения. Также предусмотрена возможность просмотра предыдущих прогнозов и удаления их из базы, дообучения встроенных моделей путем дополнения набора данных пользовательскими данными с теми же параметрами и использования дообученных моделей для прогнозирования.

The purpose of the work is development of concrete stength prediction application using machine learning algorithms. To achive the purpose of the work the following tasks have been solved: 1. Dataset analysis. 2. Study of various machine learning algorithms applied to the problem of concrete strength prediction based on the parameters of the concrete mixture. 3. Assessment of the effectiveness of algorithms and choice of the model with minimal root mean square error. 4. Development of concrete strength prediction application. 5. Application testing. During the work the subject area was studied. Besides, overview of existing applications of machine learning methods for the problem of concrete strength prediction was provided. As a result of the work, application for the concrete strength prediction was created. This application has the ability to calculate the concrete strength using traditional method (Bolomey equation) or to predict concrete strength using machine learning algorithms. Besides, there is an ability to see previous predictions, to remove them from database, to retrain embedded models supplementing dataset with user’s data with the same parameters, and to use retrained models for the prediction.