一种用于预测掺废铝纤维混凝土抗弯强度的混合机器学习方法

把废金属变成更坚韧的混凝土

每年，工厂和家庭都会产生大量来自易拉罐、电线和加工下料的铝屑。这些废料中很多难以安全处置，然而铝材质轻、强度高且耐久。该研究探讨了一个看似简单但意义重大的问题：能否将这些棘手的废铝加工成微小纤维，使混凝土更环保且在抗弯和抗裂方面表现更好，同时用智能计算模型预测新材料的强度？

为什么抗弯强度很重要

混凝土在受压时承载能力很强，但在弯曲时要脆弱得多。道路、楼板、桥面和跑道等结构常常首先因弯曲和开裂而失效，而不是单纯的压碎。加入纤维是帮助混凝土在开始开裂时延展并保持整体性的办法之一。本研究的研究者着重使用从废饮料罐和其他废料切割出的废铝纤维。他们以体积比1%到5%不同掺量将这些纤维掺入混凝土，并测试小梁的抗弯性能。结果显示一个明显的最佳区间：在约3%纤维含量时，试件承载的抗弯荷载最高且裂缝更紧密、可控；超过该比例时，额外的纤维反而因团聚并降低拌合物的可工作性而使性能下降。

建立更聪明的强度预测方法

用废纤维设计混凝土并非仅凭猜测纤维比例即可。水泥、水、砂、骨料、特种粉料、养护时间与纤维含量等多种成分以复杂方式相互作用。为超越试错法，研究团队汇集了195条来源于自己实验与早期研究、均涉及铝废纤维的测试数据。然后他们训练了三种不同类型的机器学习模型，以从八个基本配比和养护变量预测抗弯强度：随机森林（许多决策树的平均）、极端梯度提升（XGBoost）模型，以及受神经元连接启发的人工神经网络。每种模型对数据中的不同模式都有较强的捕捉能力。

组合模型并打开“黑箱”

研究者没有只选一个“最优”模型，而是将它们堆叠组合。在这种混合方法中，三种模型各自给出预测，最终的组合层学习如何加权它们以得到最准确的结果。该堆叠系统对抗弯强度的预测精度非常高：在训练数据上可解释超过99%的变异，在未见过的测试数据上约为96%。为避免系统成为难以理解的黑箱，他们采用了一种名为SHAP的解释工具。该方法为每个输入变量——例如养护龄期或骨料含量——分配对预测强度的贡献份额。分析显示养护龄期和骨料含量尤其重要，而铝纤维百分比虽有益处，但总体作用小于承担荷载的沙石骨架。

配合物中最关键的因素

深入解释结果后，研究发现更长的养护时间能持续提升抗弯强度，证实了在实际工程中缓慢湿养护的重要性。粗、细骨料共同成为关键因素：它们的用量与粒径平衡决定裂缝在弯曲下如何产生和扩展。水和水泥的影响更为细致——水太多会削弱浆体与骨料之间的粘结，而水泥过多则可能使材料变脆。废铝纤维通过桥接裂缝并改善混凝土承受拉力的能力来发挥作用，但只能在大约3%体积以内有效；超过该值，配合物变得更难浇筑且均匀性下降，抵消了额外增强的好处。模型的结果转化为针对骨料、水泥、水和纤维含量范围的实用建议，供工程师在配合比设计时参考。

从实验室洞见到更绿色的结构

对普通读者而言，关键信息很直接：可以将废弃铝转化为一种有用成分，帮助混凝土提高抗弯能力，同时将废料转移出填埋场并减少对新制钢纤维的需求。通过将细致的实验与透明的多模型学习系统相结合，研究者创造出一种可预测特定废纤维混凝土配比强度并解释原因的“计算器”。他们的结果表明，一种设计良好的、含约3%废铝纤维的配合比能提高抗弯强度、降低材料成本并减轻环境影响。如果在更大范围推广并用更多数据加以完善，这一方法可帮助工程师自信地在日常基础设施中使用工业废料，使桥梁、人行道和楼面既更坚固又更可持续。

引用: Boursas, F., Boufarh, R., Altowaijri, Y. et al. A hybrid machine learning approach for predicting the flexural strength of concrete reinforced with waste aluminium fibres. Sci Rep 16, 10763 (2026). https://doi.org/10.1038/s41598-026-41961-x

关键词: 废铝纤维, 抗弯强度, 可持续混凝土, 机器学习模型, 再生建筑材料