Ocena utraty wytrzymałości wywołanej temperaturą w betonie aktywowanym alkalicznie za pomocą zespołowych modeli regresji

Dlaczego gorący beton ma znaczenie

Gdy budynek staje w poważnym pożarze, wytrzymałość jego betonu może decydować o tym, czy konstrukcja przetrwa, czy zawali się. Inżynierowie zwracają się teraz ku bardziej ekologicznemu rodzajowi betonu, zwanemu betonem aktywowanym alkalicznie, który wykorzystuje odpady przemysłowe i lepiej znosi działanie wysokiej temperatury niż tradycyjny cement. Testowanie każdej możliwej receptury w piecu jest jednak czasochłonne i kosztowne. W tym badaniu pokazano, jak nowoczesne narzędzia oparte na danych mogą uczyć się na podstawie wcześniejszych eksperymentów i szybko przewidywać, jaka wytrzymałość tego „zielonego” betonu pozostanie po ekspozycji na ekstremalne temperatury.

Bardziej ekologiczny rodzaj betonu

Benton aktywowany alkalicznie zastępuje dużą część zwykłego cementu produktami ubocznymi przemysłu, takimi jak popiół lotny z elektrowni, żużel wielkopiecowy ze stalowni, a nawet drobno zmielone odpadowe szkło. Taka zamiana redukuje emisję dwutlenku węgla i nadaje tym odpadom drugie życie. Dzięki innej wewnętrznej, żelopodobnej strukturze spajającej, ten beton często lepiej znosi działanie ciepła. Jednak jego zachowanie w warunkach pożarowych jest silnie zależne od szczegółów: składu mieszaniny, użytych chemikaliów aktywujących, czasu i temperatury dojrzewania oraz maksymalnej temperatury, której później został poddany. Ta złożoność utrudnia przewidywanie, wyłącznie na podstawie praw pierwszych, ile wytrzymałości pozostanie po pożarze.

Pozwalając danym odkrywać wzorce

Badacze zebrali szczegółowy zbiór danych obejmujący 371 kostek betonowych wykonanych z popiołu lotnego i żużla, czasem częściowo zastąpionych proszkiem ze zużytego szkła. Dla każdej kostki zapisano recepturę, sposób dojrzewania oraz temperaturę — od warunków pokojowych do 1000 °C — na jaką była później wystawiona przed badaniem. Zamiast polegać na prostych równaniach, zespół sięgnął po pięć nadzorowanych metod uczenia maszynowego. Algorytmy te poszukują wzorców łączących dane wejściowe (proporcje mieszaniny, temperaturę i czas dojrzewania oraz poziom nagrzania) z wynikiem: pozostałą wytrzymałością na ściskanie betonu.

Który cyfrowy „prognozator” działa najlepiej

W badaniu porównano podstawowe drzewo decyzyjne z bardziej zaawansowanymi metodami „zespołowymi”, które łączą wiele prostych modeli, by uzyskać bardziej wiarygodne prognozy. Wśród nich znalazły się bagging, AdaBoost, las losowy oraz technika Extreme Gradient Boosting. Autorzy zastosowali staranną walidację krzyżową, trenując modele na niektórych recepturach, a testując je na zupełnie innych, aby naśladować zastosowanie w praktyce. Spośród wszystkich kandydatów model gradientowy boosting wysunął się na prowadzenie. Najwierniej odtwarzał wyniki testów i osiągnął najniższy błąd średni, a tuż za nim uplasował się las losowy. W przeciwieństwie do nich proste podejście liniowe nie potrafiło uchwycić zakrzywionego, nieliniowego sposobu, w jaki wytrzymałość zmienia się w zależności od składu i temperatury.

Odkrywanie, co naprawdę ma znaczenie w mieszance

Ponad samą dokładność badacze chcieli wiedzieć, które składniki i etapy przetwarzania rzeczywiście determinują zachowanie w wysokich temperaturach. Zbadali korelacje i użyli narzędzi interpretowalności, które pokazują, jak bardzo każda zmienna wejściowa przesuwa predykcje modelu. Temperatura dojrzewania, czas dojrzewania oraz stężenie aktywatora alkalicznego okazały się dominującymi czynnikami kontrolującymi, ile wytrzymałości beton zachowa po podgrzewaniu. Zmienne takie jak ilość grubego kruszywa czy niewielkie zmiany zawartości wody odgrywały mniejszą rolę. Analiza odzwierciedlała też znane procesy fizyczne: umiarkowane dojrzewanie sprzyja tworzeniu gęstej sieci spajającej, podczas gdy nadmierne ciepło lub nadmiar zasadowości mogą uczynić stwardniały materiał bardziej kruchym i podatnym na pękanie w miarę wzrostu temperatury do około 1000 °C.

Od laboratorium do narzędzia projektowego

Mówiąc prosto, praca ta przekształca rozproszone testy piecowe w praktyczne narzędzie projektowe. Modele zespołowe działają jak szybcy, wytrenowani doradcy, którzy potrafią oszacować, jak zaproponowana receptura „zielonego” betonu zachowa się w poważnym pożarze, bez odlewania i wypalania setek nowych próbek. Wskazując, które zmienne są najważniejsze, kierują też inżynierów ku mądrzejszym decyzjom dotyczącym dojrzewania i dawkowania chemikaliów. Podejście to nie zastępuje starannych badań ani przepisów budowlanych i nadal wymaga rozszerzenia na inne materiały i warunki. Jednak stanowi mocny krok w kierunku projektowania bezpieczniejszych, bardziej odpornych na ogień i bardziej zrównoważonych konstrukcji betonowych przy znacznie mniejszej liczbie prób i błędów.

Cytowanie: Deepti, Y., Kumar, S., Bandyopadhyay, A. et al. Assessment of thermally induced strength loss in alkali-activated concrete through ensemble regression models. Sci Rep 16, 14475 (2026). https://doi.org/10.1038/s41598-026-44193-1

Słowa kluczowe: beton aktywowany alkalicznie, materiały ognioodporne, uczenie maszynowe, wytrzymałość na ściskanie, zrównoważone budownictwo