混合聚类-分类方法预测地质聚合物的强度并分析其材料组成：一种基于机器学习的化学组成高精度预测框架

《Polymers》：A Hybrid Clustering–Classification Approach for Predicting Strength and Analyzing Material Composition of Geopolymers Y?ld?ran Y?lmaz, Talip ?akmak and ?lker Ustaba?

研究人员为应对传统方法难以从复杂化学组成准确预测地质聚合物(Geopolymers)关键力学性能（如抗压强度CS）的挑战，开展了一项结合K-means聚类与多种分类算法（RF、ANN、LightGBM、NB、LDA）的混合机器学习研究。该研究利用能量色散X射线光谱(EDS)数据，通过聚类发现材料的自然组成簇群，再训练分类器预测混合物编号，最终实现了高达98%的准确率，并明确Si/Al比为最关键预测因子。这一方法为基于化学成分快速、可靠地预测材料性能提供了新工具，显著推进了可持续建筑材料的设计与优化进程。

　　

在追求建筑行业低碳转型的全球背景下，地质聚合物(Geopolymers)作为一种潜在的绿色胶凝材料，因其生产过程中可大幅降低二氧化碳排放而备受关注。然而，地质聚合物的力学性能，尤其是其核心指标——抗压强度(Compressive Strength, CS)，受到其复杂化学组成的深刻影响。传统的性能预测方法多依赖于宏观配比，往往忽略了化学结构的微观异质性，导致预测精度有限，且依赖耗时费力的实验室测试。如何从材料的元素组成直接、快速、准确地预测其性能，成为材料科学与土木工程领域亟待突破的难题。

为此，研究人员Y?ld?ran Y?lmaz, Talip ?akmak 和 ?lker Ustaba? 在《Polymers》期刊上发表了一项研究，提出了一种创新的混合机器学习框架。该研究旨在绕过传统的混合物设计信息，直接依据材料的化学成分（通过EDS分析获得），构建一个高分辨率的预测模型，以捕捉常被传统混凝土技术文献所忽视的化学异质性。

本研究主要采用了以下关键技术方法：首先，研究构建了一个包含115个地质聚合物样本的数据集，其数据来源于EDS分析，包含了硅(Si)、铝(Al)、钠(Na)、钙(Ca)、氧(O)、碳(C)等元素组成以及计算得出的Si/Al、Ca/Si关键比值。其次，在方法论上，研究核心是K-means聚类与分类算法的结合。先对化学成分数据进行无监督聚类，以发现数据内在的自然分组；接着，利用聚类得到的标签，训练并比较了五种有监督分类算法，包括随机森林(Random Forest, RF)、人工神经网络(Artificial Neural Networks, ANN)、轻量级梯度提升机(LightGBM)、朴素贝叶斯(Naive Bayes, NB)和线性判别分析(Linear Discriminant Analysis, LDA)。最后，通过SHAP (SHapley Additive exPlanations) 和置换特征重要性(Permutation Feature Importance) 分析，揭示了各化学成分对模型预测的贡献度，以增强模型的可解释性。

研究结果

3.1. 性能结果

研究结果显示，所提出的混合方法显著提升了分类性能。单独使用分类模型时，随机森林(RF)表现最佳，准确率达到94.2%。然而，当先使用K-means对数据进行聚类，再使用RF进行分类时，形成的K-means + RF (K+RF)混合模型取得了最优异的性能，准确率高达98%，同时召回率(Recall)、精确度(Precision)和F1分数(F1-score)也分别达到96%、94%和95%。这表明，通过聚类预处理识别出数据中内在的、同质性更高的组成簇群，极大地简化了分类器的学习任务，从而提高了预测的准确性和鲁棒性。

3.2. SHAP和置换分析结果

特征重要性分析一致指出，Si/Al比是预测地质聚合物混合物编号的最关键特征，在SHAP分析中的平均绝对SHAP值最高（4.23），在置换重要性分析中也排名第一。其次是氧(O)含量，但其SHAP值为负（-0.298），表明较高的氧含量会对预测的目标属性（如强度）产生负面影响。硅(Si)和铝(Al)的含量也是重要的预测变量。这些发现与材料科学知识相符，即Si/Al比是控制地质聚合物聚合程度和最终力学性能的核心因素。

3.3. 混合框架的评估

对混合模型的分簇性能评估显示，K+RF模型在所有四个聚类中均表现稳定，尤其在聚类1和聚类4中达到了接近0.99的准确率。学习曲线分析表明，所有混合模型的训练精度与验证精度随着数据量增加而平稳收敛，且差距未显著扩大，证明模型具有良好的泛化能力，未出现过拟合。直观展示了K+RF模型在不同聚类中的卓越性能。

3.4. 混合模型的鲁棒性结果

通过5折交叉验证评估，K+RF混合模型在各项性能指标上表现出高度稳定性，R²值范围在0.981至0.983之间，误差指标波动很小。这证实了该框架在面对数据子集变化时具有可靠的泛化性能，并非仅仅记忆了特定训练集。

讨论与结论

本研究通过融合聚类与分类，成功开发了一个不依赖先验混合物设计信息、直接从EDS化学成分预测地质聚合物属性的高效框架。其核心结论与意义在于：

1. 1.
   方法创新性：研究证实，在分类前进行K-means聚类预处理，能有效揭示化学成分数据中的自然分组结构，显著提升后续分类模型（尤其是RF）的预测精度。这为处理具有复杂内在结构的高维材料数据提供了一种有效的混合机器学习范式。
2. 2.
   关键预测因子：研究通过可解释的AI技术（SHAP和置换重要性）明确量化了各化学成分的影响，Si/Al比被确立为最关键的正向预测因子，而氧含量是主要的负向因子。这为地质聚合物的材料设计和性能优化提供了精确的化学指导，例如，通过调整原材料配比以控制Si/Al比，可以直接靶向提升材料的抗压强度。
3. 3.
   工程应用价值：该模型为地质聚合物的快速质量控制和混合设计优化提供了实用工具。在生产中，只需对样品进行快速的EDS分析，输入模型即可在数秒内预测其所属的混合物组别及预期的强度范围，从而替代或减少部分耗时的机械测试（如28天抗压强度测试），实现降本增效。
4. 4.
   局限与展望：研究者也指出，当前模型基于特定数据集开发，在更大规模或成分更多样的数据集上的普适性有待进一步验证。未来工作可纳入更多种类的碱激发剂和养护条件数据，以增强模型的泛化能力。尽管存在这些局限，本研究在理论层面建立了微观化学成分与宏观力学性能之间更稳健的预测链接，在实践层面则为建筑工业提供了一种基于化学成分分析的无损、快速性能评估新方法，对推动可持续建筑材料的智能化设计与生产具有重要意义。