Deneysel veri tabanı, modelleme ve istatistiksel doğrulama ile RCA beton için fizik rehberli makine öğrenimi çerçevesi

Eski Betonu Yeni Bir Kaynağa Dönüştürmek

Her yıl, yıkılan binalar ve yolların milyonlarca ton kırılmış betonu atık olarak muamele görüyor; oysa büyük bir kısmı yeniden kullanılabilir. Bu çalışma, titiz laboratuvar testlerini modern makine öğrenimi ile birleştirerek bu molozu güvenilir yeni betona dönüştürmenin yollarını araştırıyor. Amaç, ne kadar geri dönüştürülmüş malzeme kullanılabileceğini ve hangi koşullarda güvenli olduğunu kesin olarak belirleyerek inşaatı daha sürdürülebilir hâle getirmek, güvenlikten ödün vermemektir.

Betonu Yeniden Kullanmak Neden Basit Değil

Geri dönüştürülmüş beton agrega, eski betonun kırılarak yeni yapılarda normalde kullanılan çakıl ve kumun yerine geçebilecek daha küçük parçalara ayrılmasından elde edilir. Bunun kullanılması atığı, taş ocağı faaliyetlerini ve taşıma kaynaklı emisyonları azaltır. Ancak bu geri dönüştürülmüş parçalar hâlâ eski harç kalıntıları ve mikrokırıklar taşır; bu da onları doğal taşlardan daha gözenekli ve düzensiz yapar. Sonuç olarak, geri dönüştürülmüş agrega ile yapılan beton dayanım kaybı yaşayabilir ve öngörülmesi daha güç olabilir. Mühendislerin, farklı oran, boyut ve orijinal kalitenin yeni beton dayanımını nasıl etkilediğine dair açık, güvenilir kurallara ihtiyacı vardır.

Zengin Bir Deneysel Resim İnşa Etmek

Bu sorulara yanıt vermek için araştırmacılar, zayıftan güçlüye kadar altı farklı orijinal dayanım sınıfından elde edilen geri dönüştürülmüş malzemelerle kapsamlı bir karışım serisi yürüttüler. Geri dönüştürülmüş agregaları ince, orta ve çakıl boyutu olmak üzere üç boyut aralığına ayırdılar ve doğal agrega yerine %10 ile %50 arasında değişen oranlarda kullandılar; su ve çimento koşullarını her zaman sabit tuttular. Her karışım için basınç dayanımı (ne kadar sıkıştırmaya dayanabildiği), ayrılma çekme dayanımı (çekme davranışı) ve eğilme dayanımı (ne kadar büküldüğü) ölçüldü. Tüm testler boyunca, geri dönüştürülmüş agrega oranı arttıkça dayanım düzenli olarak düştü, ancak bu düşüşün büyüklüğü hem partikül boyutuna hem de orijinal betonun kalitesine güçlü biçimde bağlıydı. Daha fazla eski harç ve gözenek içeren ince geri dönüştürülmüş parçacıklar dayanımı en çok olumsuz etkilerken, iri ve çakıl boyutlu parçacıklar daha az zararlıydı.

Güvenli Sınırları ve Temel Etkenleri Bulmak

Deneysel sonuçlar, pratik inşaatı yönlendirebilecek yararlı tasarım kurallarını ortaya koydu. Geri dönüştürülmüş malzeme düşük dayanımlı ana betondan geldiğinde, doğal agreganın %30 değiştirilmesi özellikle ince parçacıklar kullanıldığında hem basınç hem de çekme dayanımında iki haneli yüzde kayıplara yol açtı. Buna karşılık, geri dönüştürülmüş agrega yüksek dayanımlı betondan elde edildiğinde, %30 ikame seviyesindeki dayanım kayıpları küçük oldu ve genel performans yapısal kullanım için kabul edilebilir kaldı. Birçok seri arasında tutarlı bir “dönüm noktası” gözlendi: %10 veya %20 geri dönüştürülmüş agrega içeren karışımlar genellikle iyi dayanımı korurken, yaklaşık %30’un üzerine çıkıldığında özellikle zayıf kaynak malzemeler ve daha ince fraksiyonlar için belirgin bir düşüş oldu. Bu desenler önceki çalışmalarla uyumlu olup tüm geri dönüştürülmüş agregaların eşit olmadığını—kalitenin ve boyutun önemli olduğunu—gösteriyor.

Makinelere Fiziğe Uymayı Öğretmek

Sonsuz laboratuvar testleri yapmak pratik olmadığından ekip, fiziksel olarak test edilmemiş yeni kombinasyonlar için dayanımı tahmin etmek üzere makine öğrenimine yöneldi. Bilgisayara yalnızca ham veriler vermek yerine, fizik rehberli bir çerçeve uyguladılar. Önce test sonuçlarını dikkatlice temizleyip düzenlediler, sonra karışım parametrelerini ve dayanımları dar, gerçekçi sınırlar içinde nazikçe değiştirerek ek “sentetik” veri noktaları oluşturdular; bu sınırlar olağan laboratuvar değişkenliğini yansıtır. Ardından, sadece fiziksel açıdan anlamlı yönler boyunca boşlukları doldurmak için gelişmiş bir aşırı örnekleme yöntemi kullandılar. Bu zenginleştirilmiş veri setleri, mühendislerin kolayca kullanabileceği baskın eğilimleri özetleyen basit lineer vekil denklemlerle birlikte XGBoost ve LightGBM gibi iki popüler topluluk modelini eğitti.

Tahminlerin Başarı Düzeyi

Eğitildikten sonra modeller tamamen görülmemiş test karışımları üzerinde değerlendirildi. Basınç ve çekme dayanımı için yaptıkları tahminler ölçümlerle yakından uyum gösterdi ve hatalar tekrarlanan laboratuvar testlerinde yaygın olarak görülen aralık içinde kaldı. Modeller özellikle çekme dayanımında çok doğruydu; bunun nedeni, geri dönüştürülmüş agrega arttıkça altında yatan bozulma deseninin daha düzgün ve yakalanması daha kolay olmasıydı. Önemli olarak, yazarlar daha yüksek geri dönüşüm oranlarında gözlenen dayanım düşüşlerinin istatistiksel bir rastlantı olmadığını kontrol ettiler: standart istatistiksel testler bu eğilimlerin hem güçlü hem de yüksek düzeyde anlamlı olduğunu gösterdi. Fizik rehberli veri genişletmesi olan ve olmayan model versiyonlarını karşılaştırarak, rehberli yaklaşımın biraz daha çarpıcı doğruluk skorları vermek yerine, özellikle yüksek ikame ve veri kıt bölgelerde çok daha stabil ve gerçekçi davranış ürettiğini buldular.

Daha Yeşil İnşaat İçin Ne Anlama Geliyor

Günlük terimlerle, bu çalışma makine modellerinin temel fiziği bir sonradan düşünce olarak ele almadan geri dönüştürülmüş malzemeye dayanan daha çevreci beton karışımları tasarlamak için kullanılabileceğini gösteriyor. Çalışma, özellikle daha güçlü eski betondan elde edilen daha iri parçacıklar olmak üzere, yüksek kaliteli geri dönüştürülmüş agreganın makul miktarlarının doğal agreganın önemli bir kısmını güvenle ikame edebileceğini doğruluyor. Aynı zamanda, makine öğreniminin bilinen sınırları ve eğilimleri gözeterek gerçek dünya davranışına bağlı kalmasının bir yolunu gösteriyor. Bu tür fizik farkında tahmin araçları, mühendislerin karışım tasarımı konusunda daha iyi ve daha hızlı kararlar almasına yardımcı olarak geri dönüştürülmüş betonun daha yaygın benimsenmesini destekleyebilir; yapıları ise güvenli ve güvenilir tutar.

Atıf: Mohamud, M.A., Alasiri, M.R., Özdöner, N. et al. Physics-guided machine learning framework for RCA concrete by experimental database, modelling, and statistical validation. Sci Rep 16, 7907 (2026). https://doi.org/10.1038/s41598-026-38554-z

Anahtar kelimeler: geri dönüştürülmüş beton agrega, sürdürülebilir inşaat, malzemelerde makine öğrenimi, veri odaklı karışım tasarımı, beton dayanımı tahmini