نهج هجين مولِّد–تجميعي للتنبؤ بخصائص مقاومة خرسانة الركام المعاد تدويره

لماذا تهم هذه الدراسة بيئتنا المبنية

الخرسانة موجودة في كل مكان في الحياة الحديثة، لكن إنتاجها يستهلك كميات هائلة من الرمل والحصى والأسمنت ويطلق ثاني أكسيد الكربون في الهواء. إحدى الطرق الواعدة لتقليل هذا الأثر هي إعادة استخدام الخرسانة المتهالكة من المباني القديمة كمادة بناء جديدة. المشكلة أن الخرسانة المصنوعة من قطع معاد تدويرها لا تتصرف دائماً كما الخرسانة المصنوعة من مواد خام جديدة. تُظهر هذه الدراسة كيف يمكن لأدوات البيانات الحديثة مساعدة المهندسين على التنبؤ بمقاومة مثل هذه الخلطات الأكثر خُضرة قبل صب أي قالب اختبار.

تحويل الأنقاض إلى مورد

تنتج مواقع البناء والهدم جبالاً من نفايات الخرسانة كل عام. بدلاً من إرسال هذه الأنقاض إلى المكبات، يمكن سحقها وإعادة استخدامها كركام، الهيكل الشبيه بالحصى داخل الخرسانة الجديدة. استبدال الرمل والحصى الطبيعي بقطع معاد تدويرها يساهم في حفظ الموارد الطبيعية المتقلصة ويقلل البصمة البيئية لمشاريع البناء. إلا أن الجزيئات المعاد تدويرها غالباً ما تحمل طبقات من الأسمنت القديم على أسطحها، وتحتوي على مسام أكثر، وتشكل مناطق تماس أضعف داخل الخلطة الجديدة. قد تقلل هذه الخصائص من قدرة الخرسانة على تحمل الأحمال بأمان، مما يجعل المصممين متحفظين بشأن استخدام نسب عالية من المواد المعاد تدويرها.

التعلم من الخلطات الماضية

لمعالجة هذا التحدي، جمع الباحثون بيانات من 112 وصفة خرسانة مختلفة استخدمت ركاماً طبيعياً ومعاد تدويره. وسجلوا لكل خلطة كمية الماء والأسمنت والرمل والحصى والمادة المعاد تدويرها، إلى جانب أربعة نتائج رئيسية: مقاومة الضغط، مقاومة الشد الانشطاري، مقاومة الانحناء، والمرونة (التي تشكل صلابة المادة). وبما أن 112 عينة تعد محدودًة لتدريب نماذج بيانات قوية، استخدم الفريق أولاً أداة مولِّدة، وهي مشفر تقليلي مشروط (conditional variational autoencoder)، لإنشاء آلاف الخلطات التركيبية الإضافية التي تحاكي أنماط الخلطات الحقيقية. مكنت هذه الخطوة النماذج من رؤية مجموعة أوسع من التركيبات الواقعية مع الاستمرار في مطابقتها بنتائج اختبارات العالم الحقيقي.

اختبار صندوق أدوات النماذج

قارن الفريق بعد ذلك سبع طرق مختلفة للتعلم الآلي للتنبؤ بكل من الخصائص الأربع للمقاومة من مكونات الخلطة. كان بعضها نماذج خطية بسيطة تفترض علاقات على شكل خطوط مستقيمة، في حين أن البعض الآخر كان طرقاً أكثر مرونة تعتمد على الأشجار وآلات المتجهات الداعمة التي يمكنها التقاط الانحناءات في البيانات. درّبوا وفحصوا هذه النماذج باستخدام تقاطع التحقق المتقاطع بعناية بحيث تتم كل تقدير للاختبار على بيانات لم ترها النماذج من قبل، واحتفظوا بمجموعة اختبار حقيقية مخفية للتقييم النهائي. أظهرت أساليب التعزيز التدرجي وانحدار آلة المتجهات الداعمة أداءً متميزاً بوضوح، حيث قدمت توقعات دقيقة ومستقرة عبر الخصائص الأربع وتفوقت على الملائمات الخطية البسيطة والمعادلات القياسية في أكواد البحوث الإنشائية، خاصة عندما تكون نسبة المُعاد تدويرها عالية.

إلقاء نظرة داخل الصندوق الأسود

النماذج القوية للبيانات مفيدة للمهندسين فقط إذا كان يمكن الوثوق بها وفهمها. لفتح الصندوق الأسود، استخدم المؤلفون تقنية تُسمى نسب الخصائص (feature attribution)، التي تقيس مدى تأثير كل مكون في الخلطة على رفع أو خفض التنبؤ. وجدوا أن جانب الملدّن في الوصفة، وبخاصة نسبة الماء إلى الأسمنت وكمية الأسمنت، هو المحرك الرئيسي للمقاومة في الضغط والشد والانحناء. في المقابل، تتحكم الركامات معظمها في الصلابة، مع دور قوي للجزيئات الدقيقة المعاد تدويرها. تميل الزيادة في محتوى الركام الناعم المعاد تدويره إلى جعل الخرسانة أكثر مرونة لأن هذه الحبيبات أقل صلابة وتحمل ملاطاً قديماً أضعف. تتطابق هذه الأنماط مع ملاحظات المختبر المعروفة منذ زمن، مما يمنح الثقة بأن النموذج يتعلم سلوكاً فيزيائياً حقيقياً وليس ضوضاء.

من التنبؤات الذكية إلى التصميم الأذكى

بعبارات بسيطة، تُظهر هذه العمل أن أدوات البيانات يمكن أن تساعد المهندسين على فرز الخلطات الأكثر خضرة التي تتضمن أنقاضاً معاد تدويرها بسرعة مع الاستمرار في تلبية متطلبات السلامة والأداء. تُبين الدراسة أن بعض الخوارزميات الحديثة يمكنها التنبؤ بدقة عالية بمدى قوة ومرونة خلطة مقترحة، ويمكنها إبراز التغييرات في الماء أو الأسمنت أو محتوى الركام التي تهم أكثر. وبينما تقتصر النتائج الحالية على نطاق الخلطات الموجودة في الدراسات الأساسية، يمكن توسيع نفس سير العمل مع توافر المزيد من البيانات. يمهد ذلك الطريق لأدوات تصميم عملية ترشد البنائين نحو خيارات خرسانية أكثر استدامة دون التضحية بالموثوقية الهيكلية.

الاستشهاد: Awoyera, P.O., Simwanda, L., Vasić, M.V. et al. Hybrid generative–ensemble approach for predicting recycled aggregate concrete strength properties. Sci Rep 16, 15205 (2026). https://doi.org/10.1038/s41598-026-42598-6

الكلمات المفتاحية: الخرسانة المعاد تدويرها, التعلم الآلي, قوة المواد, البناء المستدام, التصميم القائم على البيانات