用于预测再生骨料混凝土强度特性的混合生成—集成方法

这项研究对建成环境的重要性

混凝土在现代生活中随处可见，但其生产消耗大量砂石与水泥，并排放大量二氧化碳。一个有前景的减排途径是将旧结构中破碎的混凝土回收再用作新建筑材料。问题在于，使用再生骨料制成的混凝土行为并不总与新天然骨料相同。本研究展示了现代数据工具如何帮助工程师在浇筑任何试块前，预测这些更环保配比的强度。

将碎石变为资源

建筑与拆除工地每年产生大量混凝土废料。与其将这些碎料送往填埋场，不如将其粉碎并作为骨料再利用，成为新混凝土中的砂砾状骨架。用再生骨料替代天然砂石有助于节约日益稀缺的自然资源并降低建筑项目的总体环境足迹。然而，再生颗粒表面常带有旧水泥层、孔隙更多，并在新配比中形成较弱的接触区。这些特性可能降低混凝土的承载能力，因此设计者在高掺量再生材料的使用上通常较为谨慎。

从既往配比中学习

为应对这一挑战，研究者收集了112种不同混凝土配方的数据，这些配方包含天然与再生骨料。对于每种配比，记录了用水量、水泥量、砂、砾石和再生材料的含量，以及四个关键结果：抗压强度、劈裂抗拉强度、抗弯强度和刚度。由于112个样本对于训练高性能数据模型来说规模有限，团队首先使用一种生成式工具——条件变分自编码器，生成了成千上万个模拟配比，这些合成样本模仿真实样本的模式。此步骤使模型能够见到更多现实的组合，同时仍以实测结果进行校验。

测试一组数据模型

随后团队比较了七种不同的机器学习方法，用以从配比成分预测上述四项强度属性。其中一些是假设线性关系的简单线性模型，另一些则是更灵活的基于树的方法和支持向量机，能够捕捉数据中的非线性关系。他们通过严格的交叉验证进行训练和评估，确保每次评估的预测均基于模型未见过的数据，并保留了一组独立的真实配比作为最终测试集。梯度提升和支持向量回归表现最为突出，在四项属性上均给出高精度且稳定的预测，尤其在再生含量较高时，明显优于基本线性拟合和现行建筑规范中的标准经验方程。

窥视黑箱

强大的数据模型只有在可被信任和理解时才对工程师有用。为揭示黑箱，作者使用了一种称为特征归因的技术，衡量配比中每种成分对预测的推动作用。他们发现配方中胶结体系的因素，即水胶比和水泥含量，是影响抗压、抗拉和抗弯强度的主要驱动因素。相反，刚度主要受骨料自身影响，再生细骨料起到特别显著的作用。更高的再生细骨料含量往往使混凝土更为柔韧，因为这些颗粒刚度更低且携带旧的较弱砂浆。这些模式与长期的实验室观察一致，增强了模型学习到真实物理行为而非噪声的信心。

从智能预测到更聪明的设计

简而言之，这项工作表明数据驱动工具可以帮助工程师快速筛选包含再生碎料的更环保混凝土配比，同时满足安全与性能要求。研究证明，某些现代算法能够高精度地预测拟议配比的强度与刚度，并指出改变用水、水泥或骨料含量时哪些因素最为关键。尽管当前结果受限于所用研究中配比的范围，但随着数据量的增加，同一工作流程可以扩展应用。这为开发实用设计辅助工具铺平了道路，帮助建设者在不牺牲结构可靠性的情况下，做出更可持续的混凝土选择。

引用: 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

关键词: 再生混凝土, 机器学习, 材料强度, 可持续建筑, 数据驱动设计