Predykcja wytrzymałości na ściskanie betonu z recyklowanym kruszywem poddanego karbonizacji przy użyciu regresyjnych modeli uczenia maszynowego

Przekształcanie starego betonu w sojusznika klimatu

Co roku miasta rozbierają ogromne ilości betonu, wysyłając jego kawałki na wysypiska i wymagając nowych kruszyw z kamieniołomów. Badanie to analizuje sposób zamknięcia tego cyklu: rozkruszanie odpadów betonowych, wykorzystanie ich do utrwalenia dwutlenku węgla, a następnie przewidywanie, jak wytrzymały będzie nowy, bardziej ekologiczny beton przy użyciu nowoczesnych narzędzi uczenia maszynowego. Dla każdego zainteresowanego miastami przyjaznymi klimatowi i mądrzejszym wykorzystaniem danych, praca pokazuje, jak sztuczna inteligencja może pomóc inżynierom projektować bezpieczniejsze, bardziej zrównoważone budowle z materiałów pochodzących z przeszłości.

Dlaczego ponowne wykorzystanie betonu ma znaczenie

Beton jest wszędzie — na drogach, mostach, w wieżowcach — a jego produkcja zużywa ogromne ilości skały i energii, emitując przy tym dużo CO₂. Recyklingowane kruszywa betonowe, otrzymywane przez rozdrabnianie starego betonu, mogą zmniejszyć to obciążenie, ograniczając wydobycie i ilość odpadów trafiających na wysypiska. Jest jednak problem: te recyklowane kawałki zwykle mają przylegającą dawną zaprawę cementową, co czyni je bardziej porowatymi i słabszymi niż naturalne kruszywo. W praktyce oznacza to, że beton z recyklowanym kruszywem często ma gorszą wytrzymałość i trwałość, co budzi poważne obawy o bezpieczeństwo konstrukcji.

Wzmacnianie odpadowego betonu za pomocą CO₂

Aby rozwiązać ten problem, badacze sięgnęli po karbonizację — proces, w którym CO₂ jest celowo wprowadzany, aby reagować ze składnikami starej zaprawy cementowej. W wnętrzu cząstek recyklowanego kruszywa gaz tworzy stałe minerały, które wypełniają pory, zacieśniają mikrospękania i wzmacniają strefy kontaktu łączące nowy beton. To nie tylko poprawia jakość materiału — zwiększając gęstość i zmniejszając chłonność wody — lecz także magazynuje CO₂ wewnątrz betonu, skutecznie zamieniając odpady w niewielki pochłaniacz dwutlenku węgla. Badanie skupiło się na betonie z takim karbonizowanym kruszywem i postawiło kluczowe pytanie: czy możemy dokładnie przewidzieć wytrzymałość tego bardziej ekologicznego betonu bez prowadzenia niekończących się testów laboratoryjnych?

Nauczanie komputerów przewidywania wytrzymałości

Autorzy zgromadzili 108 starannie zmierzonych próbek betonu z wcześniejszych eksperymentów. Dla każdej z nich zapisali skład mieszanki (np. stosunek wody do cementu oraz ilości drobnego i grubego kruszywa), właściwości kruszywa (jego chłonność wody i odporność na kruszenie), wytrzymałość oryginalnego „materiału macierzystego”, ilość zaabsorbowanego CO₂ przez recyklowane kawałki oraz udział zastąpienia kruszywa naturalnego materiałem z recyklingu. Następnie wytrenowali kilka regresyjnych modeli uczenia maszynowego — od prostych modeli liniowych po bardziej elastyczne drzewa decyzyjne i zespoły — aby nauczyć je zależności między tymi danymi wejściowymi a uzyskaną wytrzymałością na ściskanie.

Rozplątywanie złożonych mieszanek za pomocą inteligentnych modeli

Wiele mierzonych składników było silnie powiązanych ze sobą, co może mylić tradycyjne metody statystyczne. Aby uprościć analizę, zespół połączył grupy powiązanych zmiennych w dwa indeksy zbiorcze: jeden opisujący ogólne proporcje mieszanki, a drugi podsumowujący właściwości kruszywa. Porównali modele trenowane na pełnych, szczegółowych danych z modelami uczonymi na tych skondensowanych indeksach. Proste podejścia liniowe radziły sobie przyzwoicie, ale miały trudności z zakrzywionymi, splątanymi relacjami w danych. W przeciwieństwie do nich metody zespołowe oparte na drzewach — drzewa decyzyjne, lasy losowe i LightGBM — wychwyciły te wzorce z niezwykłą precyzją, utrzymując typowe błędy predykcji na poziomie nieco ponad 1 megapascal i wyjaśniając ponad 99% zmienności zaobserwowanej w testach.

Co ma największe znaczenie dla mocnego, zielonego betonu

Aby zajrzeć do „czarnej skrzynki” najlepiej działających modeli, badacze użyli techniki SHAP, która pokazuje, jak bardzo każdy z wejść zwykle popycha przewidywania w górę lub w dół. Odkryli, że dominującym czynnikiem kontrolującym wytrzymałość jest sposób proporcjonowania mieszanki — zwłaszcza równowaga między cementem, kruszywem a wodą. Stopień karbonizacji recyklowanego kruszywa również odgrywa dużą, lecz nieliniową rolę: większe poddanie CO₂ zwykle pomaga, ale jego efekt zależy od jakości oryginalnego betonu macierzystego. Zbiorczy wskaźnik wydajności kruszywa ma umiarkowany wpływ, natomiast samo zwiększanie udziału kruszywa z recyklingu ma mniejsze znaczenie niż poprawne zaprojektowanie składu mieszanki i odpowiednie jej poddanie obróbce.

Od danych laboratoryjnych do praktycznego projektowania

Mówiąc prościej, badanie pokazuje, że beton z karbonizowanym kruszywem z recyklingu może być jednocześnie przyjazny dla klimatu i wytrzymały — pod warunkiem starannego dobrania receptury. Nowoczesne metody uczenia maszynowego, zwłaszcza zespoły oparte na drzewach, potrafią dokładnie przewidzieć wytrzymałość na podstawie ograniczonego zestawu parametrów mieszanki i materiałów, ograniczając konieczność czasochłonnych testów dla każdej nowej kombinacji. Dla inżynierów i planistów oznacza to, że projektowanie konstrukcji wykorzystujących stary beton, magazynujących CO₂ i jednocześnie spełniających rygorystyczne normy bezpieczeństwa staje się coraz bardziej realistyczne, a proces ten może być wspierany przez narzędzia oparte na danych.

Cytowanie: Gebremariam, H.G., Taye, S. & Tarekegn, A.G. Compressive strength prediction of carbonated recycled aggregate concrete using regression based machine learning models. Sci Rep 16, 5825 (2026). https://doi.org/10.1038/s41598-026-36197-8

Słowa kluczowe: beton z recyklingu, karbonizacja, uczenie maszynowe, wytrzymałość na ściskanie, zrównoważone budownictwo