在高温下对橡胶颗粒混凝土强度的实验与机器学习评估

把旧轮胎变成更安全的建筑材料

全球各地废旧汽车轮胎堆积如山，占用填埋空间并带来火灾隐患。一种有前景的做法是将这些轮胎磨成小颗粒并掺入混凝土，用以建造利用废料而非天然砂的建筑与道路。本研究考察了这种橡胶颗粒混凝土在极高温度下（例如火灾时）的表现，并展示了现代计算工具如何帮助工程师在不对每一种配方都做实验的情况下预测其强度。

从废料堆到混凝土配合比

研究者先分析了为何将轮胎橡胶加入混凝土既有吸引力又具挑战性。橡胶颗粒能使混凝土更轻、提高抗冲击能力并增强抗脆断性。然而，橡胶与水化水泥浆粘结性差，会削弱材料性能。这种弱粘结再加上橡胶周围的更多气孔，往往降低混凝土的承载能力与抗拉整体性。早期研究测试了许多橡胶配比，但在不同温度与养护条件下仍缺乏明确可靠的性能预测方法。

在实验室加热橡胶混凝土

为了解决这一问题，团队配制了若干混凝土配合比，将细砂分别以10%、20%和30%的比例替换为橡胶颗粒。他们制成圆柱试件养护硬化后，分别在最高200摄氏度的不同温度下加热，然后进行压碎和劈裂试验以测定抗压和抗拉强度。正如预期，室温下掺入越多橡胶强度越低，因为混凝土变得更疏松且橡胶颗粒在内部骨架中形成较弱连接。加热在大多数情况下使情况更糟：当橡胶开始分解和膨胀时，会产生更多微小空隙和微裂缝，进一步侵蚀强度，尤其是在橡胶含量最高的配比中。

教计算机预测强度

研究者并不只依赖新试验，还汇编了一个包含一千多种橡胶混凝土配比的庞大数据库，这些配比来自先前的研究。对于每一配比，他们记录了水泥、掺和料、橡胶含量、含水量、养护温度和龄期等原料参数，以及测得的抗压和抗拉强度。随后他们训练了九种不同的机器学习模型来学习配方与强度之间的关系。像XGBoost、Light Gradient Boosting以及一种称为多层感知器的神经网络等先进方法给出了最准确的预测，预测结果与实际试验值在抗压和抗拉方面均高度一致。

看清哪些成分最重要

为了理解这些数字预测，团队采用了一种可解释性方法，为每个输入赋予其对最终预测的责任份额。结果显示，细骨料被橡胶替代的比例、水灰比（即水与水泥的相对量）以及混凝土的龄期是影响抗压和抗拉强度的最主要因素。细骨料的替代尤为突出，证实改变混合物中微小颗粒会大幅影响材料行为。二氧化硅粉等其他掺加料虽有益处但不那么主导，而在所研究的范围内，养护温度在合并数据库中的影响小于预期。

对更环保建筑的意义

对非专业读者而言，核心信息是：在混凝土中使用碎轮胎可以减少废物，但通常会降低强度，尤其在材料暴露于高温时更为明显。研究表明，如果工程师能准确知道在特定配比和温度下可预期的强度，这种损失是可控的。通过将细致的实验与强大的计算模型结合，作者提供了一种能够快速估算橡胶颗粒混凝土性能的工具，指导更安全的设计和更明智地在需经受日常荷载及潜在火灾的建筑中使用回收材料。

引用: Alameri, M., Alsulami, B.T. Experimental and machine learning evaluation of crumb rubber concrete strength at elevated temperatures. Sci Rep 16, 15616 (2026). https://doi.org/10.1038/s41598-026-44147-7

关键词: 橡胶颗粒混凝土, 废胎回收, 高温, 机器学习模型, 混凝土强度