Sürdürülebilir betonun basınç dayanımını kestirmek için palm yağı yakıt külü içeren hibrit makine öğrenmesi yaklaşımı

Çiftlik Atığını Daha Güçlü, Daha Yeşil Betona Dönüştürmek

Beton binalarımızı, köprülerimizi ve yollarımızı ayakta tutar, ancak içindeki çimento üretimi büyük miktarda karbondioksit salar. Aynı zamanda palm yağı fabrikaları genellikle atılan büyük miktarda kül üretir. Bu çalışma, o külü beton için yararlı bir bileşen haline getirmenin yollarını ve akıllı bilgisayar programlarının böyle “yeşil” betonun dökülmeden önce ne kadar dayanıklı olacağını güvenilir biçimde nasıl tahmin edebileceğini araştırıyor.

Palm Yağı Külünün Önemi

Palm yağı yakıt külü, palm atıklarının enerji için yakılmasından sonra kalan tozlu bir yan üründür. Çok palm yağı üreten ülkelerde büyük miktarlarda birikir ve bertaraf ve kirlilik sorunları yaratabilir. Buna karşın bu kül, betonda çimentonun bir kısmını ikame edebilecek reaktif parçacıklar içerir. Onun kullanımı iki fayda sağlar: enerji yoğun çimento miktarını azaltır ve tarımsal bir atığı geri dönüştürür. Önceki deneyler, uygun şekilde işlenip kullanıldığında palm yağı külünün güçlü ve dayanıklı beton üretebileceğini göstermiştir. Zorluk şudur: dayanım birçok etkileşen bileşen ve kür koşuluna bağlıdır, bu yüzden tasarımcıların sonsuz testler yapmadan performansı hızlı ve güvenilir şekilde kestirebilecek bir araca ihtiyacı vardır.

Yüzlerce Karışımdan Öğrenen Akıllı Bir Model

Araştırmacılar 22 yayımlanmış çalışmadan veriler toplayarak sonuçta palm yağı yakıt külü kullanan 469 farklı beton karışımı elde ettiler. Her karışım için altı ana bileşeni ve koşulu kaydettiler: ne kadar çimento ve kül kullanıldığı, ne kadar kimyasal akışkan (süperakışkanlaştırıcı) eklendiği, iri ve ince agrega dengesi, su/bağlayıcı oranı ve betonun test edilmeden önce ne kadar süre kürlendiği. Ardından yapay zekaya yöneldiler ve beyin içindeki sinir hücrelerinin bağlantılarından esinlenen yapay bir sinir ağı kurdular. Bu tür bir model örneklerden öğrenir: birçok giriş kombinasyonunu ve ortaya çıkan dayanımları görür ve bu sonuçları taklit etmek için iç bağlantılarını kademeli olarak ayarlar.

Evrimden Esinlenen Bir Arama ile Beyni Güçlendirmek

Kendi başına bir sinir ağını ayarlamak zor olabilir. İç ayarları kötü seçilmişse ortalama bir performansta sıkışıp kalabilir. Bunu aşmak için ekip, sinir ağını adalar arasında türlerin nasıl yayıldığını ve uyum sağladığını taklit eden biyocoğrafya tabanlı optimizasyon adlı ikinci bir algoritma ile eşleştirdi. Bu şemada her “ada” ağ ayarlarının farklı bir kümesini temsil eder. Başarılı adalardaki özellikler daha zayıf olanlara göç ederken, zaman zaman rastgele değişiklikler aramanın sıkışmasını önler. Çok sayıda döngü boyunca bu hibrit yaklaşım ağı rafine ederek ölçülen beton dayanımlarına daha iyi uymasını sağlar.

Hibrit Modelin Performansı

Hibrit modellerinin gerçekten işe yarayıp yaramadığını sınamak için yazarlar 469 karışımı eğitim, ayarlama ve bağımsız test için ayrı gruplara ayırdı ve ayrıca verileri tekrar tekrar karıştıran çapraz doğrulama yöntemleri kullandı. Hibrit ağı standart bir sinir ağıyla ve literatürdeki önceki modellerle karşılaştırdılar. Hibrit versiyon sürekli olarak basınç dayanımını daha doğru tahmin etti: tahminlerinin %60’ından fazlası ölçülen değerlerin %5’i içinde iken, geleneksel model için bu oran yaklaşık %39’du. Genel hatası daha küçüktü ve veri yeniden örneklendiğinde tahminleri daha kararlıydı. Eğitilmiş modelin analizi ayrıca en çok hangi faktörlerin etkili olduğunu ortaya koydu; kür süresi ve su-bağlayıcı oranı dayanımı en güçlü şekilde etkileyen değişkenler olarak öne çıktı.

Daha Yeşil Yapılaşma İçin Anlamı

Mühendisler ve planlamacılar için çalışma pratik bir araç sunuyor: palm yağı yakıt külü içeren bir aday karışım verildiğinde, hibrit model gördüğü karışımlar aralığı içinde ortaya çıkacak betonun muhtemel dayanımını hızla tahmin edebilir. Bu zaman kazandırır, maliyetli deneme partilerini azaltır ve çimento kullanımını ve emisyonları düşüren atık bazlı malzemelerin daha yaygın kullanılmasını teşvik edebilir. Model hâlâ temel deneysel çalışmaların boşlukları ve farklılıklarıyla sınırlı olsa da, veriden öğrenme ile evrimden esinlenen aramayı birleştirmenin modern sürdürülebilir betonların karmaşıklığını yönetmeye yardımcı olabileceğini ve daha yeşil yapılaşmayı günlük uygulamaya bir adım daha yaklaştırdığını gösteriyor.

Atıf: Kazemi, R., Pour, M.A. & Gandomi, A.H. Hybrid machine learning approach for predicting compressive strength of sustainable concrete incorporating palm oil fuel ash. Sci Rep 16, 14033 (2026). https://doi.org/10.1038/s41598-026-46190-w

Anahtar kelimeler: sürdürülebilir beton, palm yağı yakıt külü, basınç dayanımı tahmini, yapay sinir ağı, meta-sezgisel optimizasyon