Hybrid ML- och metaheuristisk optimering av slagg-flygas-gipsmodifierat förhärdat slam för byggnation

Förvandla stadsslam till byggstenar

Moderna städer genererar enorma mängder avloppsslam, en krånglig biprodukt som är kostsam att hantera och riskfylld att deponera eller förbränna. Denna studie utforskar en renare, mer användbar väg: att omvandla slammet till ett byggmaterial genom att blanda det med industriella biprodukter och använda avancerade datorbaserade metoder för att hitta de starkaste och säkraste recepten. För läsaren är det en berättelse om hur datavetenskap och avfallsåtervinning kan samverka för att samtidigt ta itu med föroreningar och resursbrist.

Varför slam är ett växande urbant problem

Avloppsreningsverk skiljer bort smutsigt vatten från fasta rester och lämnar efter sig slam som är rikt på organiskt material men också fuktigt och förorenat. Traditionella avfallsvägar, som deponering och förbränning, kan släppa ut lukt, växthusgaser och giftiga ämnen. Samtidigt förbrukar byggprojekt stora mängder naturlera och cement. Idén bakom denna forskning är enkel men kraftfull: om slam säkert kan förhärdas till ett tillförlitligt, lågstyrkigt byggmaterial kan vi minska trycket på deponier och stenbrott samtidigt som byggsektorns miljöavtryck krymper.

Blanda avfall till ett fast material

Forskargruppen arbetade med avvattnat kommunalt slam och tre vanliga industriella biprodukter: stålslagg, flygaska från kraftverk och avsvavlat gips från rökgasrening. Genom att justera mängden av varje ingrediens, plus en liten dos natriumhydroxid (en alkalisk aktivator), framställde de 190 prov och mätte hur mycket tryck varje prov kunde motstå efter 28 dagars härdning. Denna egenskap, känd som obundet tryckhållfasthet, visar om det förhärdade slammet är tillräckligt robust för att fungera exempelvis som täckskikt för deponi eller som fyllnadsmaterial i lägre belastade anläggningsarbeten. Utmaningen är att ingredienserna samverkar på komplexa, icke-linjära sätt: för mycket slam försvagar blandningen, medan måttliga mängder slagg, gips, flygaska och alkali kan samarbeta för att bilda en tätare, cementliknande struktur.

Låta algoritmer söka efter bästa receptet

I stället för att pröva alla tänkbara kombinationer i labbet använde forskarna maskininlärning och så kallade metaheuristiska algoritmer, som är smarta sökstrategier inspirerade av fenomen som flockbeteenden eller jaktstrategier hos rovdjur. Först tränades åtta olika maskininlärningsmodeller för att förutsäga hållfasthet utifrån de fem ingående materialen. Därefter kopplades dessa modeller till Whale Optimization Algorithm och flera andra sökmetoder för att genomsöka det omfattande receptutrymmet efter blandningar som maximerar hållfastheten samtidigt som praktiska gränser för varje komponent respekteras. Träd-baserade modeller, särskilt Random Forest, Gradient Boosting, XGBoost och CatBoost, visade sig särskilt skickliga på att fånga de dolda mönstren som styr hur slam, slagg, flygaska, gips och alkali binder ihop.

Vad som gör en slamsten stark och säkrare

De optimerade blandningarna uppnådde hållfastheter över 8 megapascals, högt för ett material delvis gjort av avfall. I genomsnitt använde de bästa blandningarna ungefär 40–45 % slam, cirka 19–24 % gips, 13–19 % slagg, 16–22 % flygaska och strax över 2 % natriumhydroxid. För mycket slam eller flygaska tenderade att försvaga materialet, medan måttliga mängder slagg och gips bidrog till att bygga upp ett tätare internt nätverk. Alkali-dosen visade ett optimum: en liten mängd gav en markant styrkeökning genom att aktivera de andra pulvren, men högre nivåer gav liten ytterligare nytta. Avancerade tolkningsverktyg, inklusive känslighetsanalys och SHAP-värden, bekräftade att natriumhydroxid, slamhalt, slagg och gips är de mest inflytelserika reglagen för att justera prestanda.

Kontrollera tillförlitlighet och verklig användning

För att säkerställa att dessa datordesignade recept var tillförlitliga utvärderade författarna hur väl modellernas förutsägelser överensstämde med laboratorieresultaten och hur osäkra dessa förutsägelser var. De bästa modellerna uppnådde mycket hög överensstämmelse med experimenten och gav smala säkerhetsintervall, vilket indikerar stabila och pålitliga prognoser. En separat statistisk teknik, känd som response surface methodology, tillämpad på de ursprungliga testdataen, kom oberoende fram till liknande optimala blandningar, vilket stärker slutsatserna. Sammantaget visar studien att väl utformade slamblandningar kan fungera som lågstyrkiga byggmaterial, till exempel som täcklager för deponier, samtidigt som föroreningar låses in på ett säkert sätt.

Från avfallsbörda till användbar resurs

För icke-specialister är huvudbudskapet att två problem—stadsslamhantering och industriellt fast avfall—kan hanteras tillsammans med hjälp av smarta dataverktyg. Genom att kombinera slam med biproduktspulver och låta maskininlärning söka efter de bästa recepten skapade forskarna ett fast material starkt nog för vissa byggändamål och betydligt säkrare än rått slam. Det är inte en ersättning för högkvalitativ betong, men detta tillvägagångssätt förvandlar vad som tidigare var en miljömässig belastning till en användbar resurs och stöder en mer cirkulär och hållbar urban infrastruktur.

Citering: Azarkhosh, H., Chen, Y. & Elias, S. Hybrid ML and metaheuristic optimization of slag-fly ash-gypsum modified solidified sludge for construction. Sci Rep 16, 12195 (2026). https://doi.org/10.1038/s41598-026-47428-3

Nyckelord: slamförhärdning, avfallsbaserade byggmaterial, maskininlärningsoptimering, återvinning av industriella biprodukter, hållbar infrastruktur