基于机器学习的预测：小麦秸秆增强可持续石膏复合材料的抗压与抗弯强度

把农田废料变成建筑材料

每年，世界各地的农民焚烧大量剩余秸秆，而城市则大量使用混凝土，释放出大量二氧化碳。该研究探索了一种同时应对这两类问题的方法：将小麦秸秆这种农业废料用于增强基于石膏的建筑材料，并利用智能计算工具预测这些更环保材料的强度。

为什么要超越传统混凝土

混凝土是地球上使用最广泛的材料之一，但其关键成分水泥的生产会向大气中排放大量二氧化碳。相比之下，另一种矿物胶结材料石膏的生产产生的碳排放要少得多。石膏已经出现在熟悉的产品中，例如石膏板和室内隔墙，并具有良好的防火性、隔音性和轻质特点。然而，单独的石膏比较脆，强度不足以用于许多结构用途，这限制了其替代混凝土或砖石的范围。

给秸秆一个第二生命

现代农业产生大量废弃物，小麦秸秆就是一个典型例子。在巴基斯坦等国家，许多秸秆在田间被公开焚烧，加剧雾霾并危害公共健康。作者将秸秆视为一种廉价的可再生建筑原料，而不是待处置的问题。当少量秸秆纤维混入石膏时，它们可以在材料破裂前提高一定的弯曲性能，并更好地利用本应被浪费的资源。但最终强度取决于多个因素同时作用，包括石膏质量、水、秸秆含量和化学添加剂等，它们之间相互作用复杂。

让机器从实验中学习

对每一种可能的秸秆—石膏配方进行物理试验既缓慢又昂贵。为了解决这一问题，研究者收集了文献中报道的161种已测试混合物的数据。对于每个配方，他们记录了石膏强度和用量、水含量和水灰比、添加的秸秆量以及是否存在两种常见添加剂等细节。他们还记录了两个关键结果：样品抵抗压缩（抗压强度）和抗弯（抗弯强度）的能力。利用这些数据，他们训练了五种不同的机器学习模型，让计算机在没有预设公式的情况下学习输入与强度之间的关系。

寻找最可靠的数字预测器

团队比较了人工神经网络、高斯过程回归、随机森林、极端梯度提升和支持向量机。他们使用一种称为交叉验证的严格测试方法来检验每个模型，该方法反复在部分数据上训练并在其余数据上测试，以避免自我欺骗。在所有方法中，高斯过程回归脱颖而出：它对抗压和抗弯强度的预测既更准确也更稳定。另一个优点是该方法不仅给出单一预测值，还提供不确定性范围，显示预测有多大把握，这在工程必须做出与安全相关决定时非常有用。

配比中最重要的因素

为了避免模型成为神秘的“黑箱”，作者探查了哪些成分对预测影响最大。在表现较好的模型中，石膏本身的固有强度成为影响抗压和抗弯强度的主要因素。石膏的总用量以及用水量也起到重要作用，因为它们改变了最终材料的致密度或孔隙率。小麦秸秆和化学添加剂的影响次之：在某些范围内，它们有助于调整性能，但过多的水、秸秆或添加剂往往通过产生额外空隙或破坏硬化混合物内部的结合而降低强度。

从智能预测走向更绿色的建筑

简而言之，该研究表明，计算机可以根据配方学会准确预测秸秆增强石膏的强度，而无需对每一种新样品都进行铸造和破碎试验。表现最好的模型高斯过程回归不仅能给出可靠的强度估计，还能表明每次预测的置信度。这种可持续原料与智能预测工具的结合，可以引导设计者开发出强度足以满足用途的石膏—秸秆产品，同时减少水泥使用和农业焚烧。由此，该方法指向对气候更友好、并更好利用现有材料的建筑方式。

引用: Ahmad, H., Ejaz, M.F., Riaz, M.R. et al. Machine learning-based prediction of compressive and flexural strength of wheat straw reinforced sustainable gypsum composites. Sci Rep 16, 15087 (2026). https://doi.org/10.1038/s41598-026-45024-z

关键词: 石膏复合材料, 小麦秸秆, 机器学习, 抗压强度, 可持续建筑