Los modelos existentes para calcular los parámetros característicos del pico de la curva de esfuerzo-deformación bajo compresión uniaxial del concreto reforzado con estribos corroídos generalmente presentan una escasa capacidad de generalización a través de diferentes conjuntos de datos, lo que limita seriamente su aplicación en la ingeniería práctica. Basándose en datos de pruebas de compresión axial de 112 columnas de concreto con sección circular reforzadas con estribos corroídos, y con el objetivo de predecir el esfuerzo y la deformación pico de la curva esfuerzo-deformación, se establecieron modelos predictivos utilizando seis algoritmos: regresión de vectores de soporte (SVR), redes neuronales artificiales (ANN), incremento extremo de gradiente (XGBoost), k-vecinos más cercanos (KNN), aumento por categorías (CATboost) y bosque aleatorio (RF), acompañados de un análisis explicativo mediante el método SHAP. Los resultados muestran que SVR rindió mejor en la predicción tanto del esfuerzo como de la deformación pico, alcanzando coeficientes de determinación (R²) en el conjunto de prueba de 0.940 y 0.938 respectivamente. El análisis SHAP indica que, considerando la reducción del área neta de acero y el límite elástico debido a la corrosión, la corrosión de las barras longitudinales y los estribos sigue teniendo un efecto adicional significativo en el rendimiento axial del concreto confinado por estribos corroídos. En comparación con los modelos empíricos existentes, el modelo desarrollado supera en precisión de predicción de los parámetros característicos del pico, mostrando una buena capacidad de generalización.

estribos corroídos;hormigón armado;aprendizaje automático;rendimiento bajo compresión uniaxial;parámetros característicos del pico;modelo constitutivo