Geri dönüştürülmüş agrega betonunun dayanım özelliklerini tahmin etmek için hibrit üretken–örneklem yaklaşımı

Bu araştırma yapı çevremiz için neden önemli

Beton modern yaşamın her yerinde bulunur, ancak üretimi büyük miktarda kum, taş ve çimento tüketir ve atmosfere karbondioksit salar. Bu etkiyi azaltmanın umut verici yollarından biri, eski yapıların kırık betonunu yeni yapı malzemesi olarak yeniden kullanmaktır. Sorun şu ki, geri dönüştürülmüş parçalarla yapılan beton her zaman taze taşlardan yapılan betonla aynı davranışı göstermez. Bu çalışma, modern veri araçlarının mühendislerin bu daha çevreci beton karışımlarının dayanımını tek bir test bloğu dökmeden önce nasıl tahmin etmelerine yardımcı olabileceğini gösteriyor.

Enkazı kaynağa dönüştürmek

İnşaat ve yıkım sahaları her yıl dağlarca beton atığı üretir. Bu enkazı depolama alanlarına göndermek yerine kırıp agrega olarak yeniden kullanmak mümkündür; agrega yeni betonun içindeki çakıl benzeri iskeleti oluşturur. Doğal kum ve taşı geri dönüştürülmüş parçalarla değiştirmek, azalan doğal kaynakları korumaya yardımcı olur ve yapı projelerinin genel çevresel ayak izini düşürür. Ancak geri dönüştürülmüş parçacıklar genellikle yüzeylerinde eski çimento taşır, daha çok gözenek içerir ve yeni karışım içinde daha zayıf temas bölgeleri oluşturur. Bu özellikler betonun güvenli taşıma kapasitesini azaltabilir ve tasarımcıları yüksek düzeyde geri dönüştürülmüş malzeme kullanımı konusunda temkinli olmaya iter.

Geçmiş karışımlardan öğrenmek

Bu zorluğun üstesinden gelmek için araştırmacılar doğal ve geri dönüştürülmüş agregaları kullanan 112 farklı beton tarifinden veri topladı. Her karışım için su, çimento, kum, çakıl ve geri dönüştürülmüş malzeme miktarının yanı sıra dört ana sonuç kaydedildi: basınç dayanımı, ayrışma çekme dayanımı, eğilme dayanımı ve rijitlik. 112 örnek güçlü veri modellerini eğitmek için sınırlı olduğundan, ekip önce koşullu bir varyasyonel otoenkoder gibi üretken bir araç kullanarak gerçek örneklerin desenlerini taklit eden binlerce ek sentetik karışım yarattı. Bu adım, modellerin gerçek dünya test sonuçlarıyla hâlâ kontrol edilerek daha geniş bir gerçekçi kombinasyon çeşitliliğini görmesine yardımcı oldu.

Bir dizi veri modelini test etmek

Ardından ekip, karışım bileşenlerinden dört dayanım özelliğinin her birini tahmin etmek için yedi farklı makine öğrenmesi yaklaşımını karşılaştırdı. Bazıları doğrusal ilişkileri varsayan basit doğrusal modellerken, diğerleri verideki kıvrımları yakalayabilen daha esnek ağaç tabanlı yöntemler ve destek vektör makineleriydi. Bu modelleri dikkatli çapraz doğrulama kullanarak eğittiler ve kontrol ettiler; böylece değerlendirme için yapılan her tahmin modelin daha önce görmediği veriler üzerinde yapıldı ve nihai puan için gerçek karışımlardan oluşan ayrı bir gizli test seti ayrıldı. Gradyan artırma ve destek vektör regresyonu açıkça öne çıktı; tüm dört özellikte yüksek doğrulukta ve kararlı tahminler sağladı ve özellikle geri dönüştürülmüş içerik yüksek olduğunda temel doğrusal uyumları ve yapı araştırma kodlarından gelen standart denklemleri geride bıraktı.

Siyah kutunun içine bakmak

Güçlü veri modelleri mühendislerin güvenip anlayabileceği ölçüde ancak yararlıdır. Siyah kutuyu açmak için yazarlar, karışımdaki her bir bileşenin bir tahmini ne kadar yukarı veya aşağı ittiğini ölçen özellik atıfı adı verilen bir teknik kullandı. Bağlayıcı tarafının, yani su/çimento oranı ve çimento miktarının, basınç, çekme ve eğilme dayanımlarında ana belirleyici olduğunu buldular. Buna karşılık rijitlik çoğunlukla agregaların kendisi tarafından yönetiliyor ve özellikle geri dönüştürülmüş ince parçacıklar güçlü bir rol oynuyor. Yüksek geri dönüştürülmüş ince içerik bu tanecikler daha az rijit ve eski, daha zayıf harç taşıdıkları için betonu daha esnek hale getirme eğiliminde. Bu desenler uzun süredir laboratuvar gözlemleriyle uyumlu olup modelin gürültü yerine gerçek fiziksel davranışı öğrendiğine dair güven veriyor.

Akıllı tahminlerden daha akıllı tasarıma

Basitçe ifade etmek gerekirse, bu çalışma veri odaklı araçların mühendislerin geri dönüştürülmüş enkaz içeren daha çevreci beton karışımlarını hızla elemesinde ve hâlâ güvenlik ile performans gereksinimlerini karşılamasında yardımcı olabileceğini gösteriyor. Çalışma, belirli modern algoritmaların önerilen bir karışımın ne kadar güçlü ve rijit olacağını yüksek doğrulukla tahmin edebileceğini ve su, çimento veya agrega içeriğinde hangi değişikliklerin en çok fark yarattığını vurgulayabileceğini gösteriyor. Mevcut sonuçlar altında yatan çalışmalarda bulunan karışım aralıklarıyla sınırlı olsa da, aynı iş akışı daha fazla veri elde edildikçe genişletilebilir. Bu, yapı güvenilirliğinden ödün vermeden daha sürdürülebilir beton seçimlerine yönlendiren pratik tasarım yardımcılarının yolunu açar.

Atıf: Awoyera, P.O., Simwanda, L., Vasić, M.V. et al. Hybrid generative–ensemble approach for predicting recycled aggregate concrete strength properties. Sci Rep 16, 15205 (2026). https://doi.org/10.1038/s41598-026-42598-6

Anahtar kelimeler: geri dönüştürülmüş beton, makine öğrenmesi, malzeme dayanımı, sürdürülebilir inşaat, veri odaklı tasarım