Анализ механических свойств геополимерного бетона на основе золы сахарного тростника с использованием машинного обучения

Преобразование сельскохозяйственных отходов в более прочный и чистый бетон

Бетон — основа современных городов, но производство обычного цемента сопровождается выбросами огромного количества углекислого газа. В этом исследовании рассматривается способ снизить это загрязнение, превратив сельскохозяйственный отход — золу от переработки сахарного тростника — в ключевой компонент нового типа бетона. Также показано, как современные инструменты обработки данных, включая машинное обучение, могут помочь инженерам быстро предсказывать прочность этого более экологичного бетона.

Почему важен новый тип бетона

Традиционный бетон опирается на портландцемент, производство которого энергоёмко и отвечает за значительную долю глобальных выбросов CO₂. В последние годы геополимерный бетон стал многообещающей альтернативой. Вместо цемента он использует промышленные побочные продукты, богатые кремнезёмом и алюминием — например, летучую золу электростанций — активируемые щелочными растворами. Такая химия создаёт твёрдый, камнеподобный вяжущий материал и при этом потенциально сокращает выбросы на 22–72% без потери прочности или долговечности. Новая идея в этой работе — частично заменить летучую золу золой сахарного тростника, отходом, образующимся в огромных объёмах на сахарных заводах и часто попадающим на свалки или распространяющимся в виде мелкой загрязняющей пыли.

От тростниковых полей до строительных блоков

Индия, один из крупнейших в мире производителей сахарного тростника, ежегодно генерирует миллионы тонн золы сахарного тростника. По химическому составу эта зола богата реактивным кремнезёмом и другими оксидами, что позволяет ей вести себя подобно традиционным добавкам к цементу при правильном применении. Исследователи собрали летучую золу и золу тростника из местных источников, смешали их в разных пропорциях и соединили с обычным песком и гравием. Затем они добавляли раствор гидроксида натрия различных концентраций для запуска геополимерной реакции, заливали образцы и проводили их отверждение. Главная цель — выяснить, какую долю летучей золы можно заменить золой тростника, сохранив при этом высокую прочность на сжатие, изгиб и растяжение — три ключевых показателя поведения бетона при разных видах нагрузок.

Поиск оптимума прочности

Команда испытала смеси, где зола сахарного тростника заменяла от 0 до 50% летучей золы, и варьировала концентрацию щелочного активатора. Было обнаружено, что как доля тростниковой золы, так и концентрация гидроксида натрия существенно влияют на характеристики. Особенно удачной оказалась рецептура с 30% тростниковой золы и средне-высокой концентрацией активатора. Через 28 дней эта смесь достигла прочности на сжатие примерно 47 мегапаскалей, что однозначно подходит для конструкционных применений и выше, чем контрольная смесь без тростниковой золы. Подобные положительные тенденции наблюдались и в испытаниях на изгиб и раскалывание, хотя при самых больших содержаниях золы прочности выравнивались или слегка снижались. Результаты указывают на существование оптимального баланса: достаточно тростниковой золы для улучшения внутренней структуры связывания, но не настолько много, чтобы повышенная пористость и неполная реакция ослабляли материал.

Пусть алгоритмы учатся на бетоне

Измерения прочности бетона в лаборатории отнимают много времени и стоят дорого, особенно когда одновременно меняется множество переменных — тип золы, уровень замещения и концентрация химикатов. Чтобы ускорить этот процесс, исследователи обучили три типа моделей машинного обучения предсказывать прочность по составу смеси: искусственную нейронную сеть, случайный лес и модель XGBoost. Нейронная сеть хорошо подогналась под тренировочные данные, но показала слабую точность на новых данных — классический признак переобучения. XGBoost, мощный метод бустинга, почти идеально справлялся на тренировочном наборе, но также терял точность на тестовых примерах. Модель случайного леса показала наилучший баланс, сохраняя высокую предсказательную способность на невидимых данных для всех трёх показателей прочности, что делает её наиболее надёжным выбором для прикладного прогнозирования.

Что это означает для более чистого строительства

Эта работа демонстрирует, что зола сахарного тростника, ранее считавшаяся проблемой утилизации, может служить ценным компонентом высокопрочного геополимерного бетона. При правильном соотношении компонентов и уровне активатора она не только отводит отходы со свалок и снижает выбросы углерода, но и даёт бетон, не уступающий по прочности — а иногда и превосходящий — традиционные смеси. Сочетание таких экологичных рецептур с надёжными моделями машинного обучения позволяет инженерам быстро оценивать прочность только по составу смеси, что потенциально сокращает сроки разработки и уменьшает расходы на испытания. Для неспециалиста итог прост: сельскохозяйственные остатки и интеллектуальные алгоритмы могут совместно строить более чистые и прочные сооружения для будущих городов.

Цитирование: Pratap, B., Kumar, S., Gupta, K.K. et al. Mechanical properties analysis of geopolymer concrete based on the sugarcane bagasse ash using machine learning. Sci Rep 16, 14485 (2026). https://doi.org/10.1038/s41598-026-44848-z

Ключевые слова: геополимерный бетон, зола сахарного тростника, устойчивое строительство, машинное обучение, зола-уноса