《Hybrid Advances》：Influence of Graphene on Split Tensile Strength of Geopolymer Concrete: An Interpretable ML and PDP-Based Approach
编辑推荐：
减少与水泥生产相关的碳排放的需求促使研究人员对地质聚合物混凝土（GPC）作为可持续的普通硅酸盐水泥（OPC）替代品的兴趣日益增长，以及将石墨烯作为一种改善抗拉能力的变革性纳米添加剂。在本研究中，研究人员通过偏依赖图（PDP）分析，对四种预测石墨烯增强GPC劈裂
减少与水泥生产相关的碳排放的需求促使研究人员对地质聚合物混凝土（GPC）作为可持续的普通硅酸盐水泥（OPC）替代品的兴趣日益增长，以及将石墨烯作为一种改善抗拉能力的变革性纳米添加剂。在本研究中，研究人员通过偏依赖图（PDP）分析，对四种预测石墨烯增强GPC劈裂抗拉强度（STS）的机器学习模型进行了基准测试，以解释预测模式中的以下方面：胶凝材料反应性、纳米增强机制和养护效果。这些模型基于包含400个实验测量值和七个输入参数的数据集构建，并使用R2、均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）评估其性能。决策树（DT）模型达到了最高精度，训练和测试的R2分别为0.97和0.94，RMSE为0.21–0.31 MPa，MAE为0.14–0.21 MPa，MAPE为0.051–0.109。而随机森林（RF）表现出良好的泛化能力（R2 = 0.94），人工神经网络（ANN）显示出合理的精度（R2 = 0.91–0.89）但存在过拟合问题，线性回归（LR）记录到最差的性能（R2 = 0.88–0.85），这突显了其无法捕捉控制GPC系统的非线性胶凝材料-强度关系。通过PDP分析识别出的最显著参数包括粒化高炉矿渣（GGBS）（Δ = 5.3 MPa）、养护温度（Δ = 3.6 MPa）和石墨烯含量（Δ = 3.4 MPa），石墨烯的最佳掺量为胶凝材料重量的0.06–0.08%，证实了裂纹桥接和基体密实效应的存在。该研究强调了基于树的模型作为可解释且稳健的工具在人工智能驱动的配合比优化中的价值，推动了用于结构应用的低碳纳米增强GPC的设计。
**论文解读：石墨烯对地质聚合物混凝土劈裂抗拉强度的影响——基于可解释机器学习与偏依赖图的方法**
**研究背景与问题**
水泥生产是温室气体排放的主要来源之一，约占全球CO?排放的7%。传统普通硅酸盐水泥（OPC）混凝土在高温煅烧过程中释放大量CO?，而基础设施建设需求的持续增长使低碳替代材料的研究迫在眉睫。地质聚合物混凝土（GPC）作为一种低碳胶凝材料，通过碱激发铝硅酸盐工业副产品（如粒化高炉矿渣GGBS、粉煤灰等）形成三维铝硅酸盐网络（N-A-S-H/C-A-S-H凝胶），展现出优异的力学性能、热稳定性和化学耐久性，成为替代OPC的有力候选。然而，GPC的劈裂抗拉强度（STS）是其关键力学指标，尤其在弯曲梁、剪切构件中控制结构性能，但现有研究主要集中于抗压强度（CS），对STS的预测模型极为匮乏。此外，石墨烯作为一种纳米添加剂，凭借其超高抗拉强度（>130 GPa）和弹性模量（~1 TPa），可通过裂纹桥接、成核位点促进凝胶致密化等机制提升GPC的拉伸性能，但其最佳掺量及对STS的影响规律尚未在预测模型中系统研究。现有机器学习（ML）模型多用于GPC抗压强度预测，缺乏针对石墨烯改性GPC的STS预测且兼具可解释性的框架。因此，本研究旨在开发并比较四种ML模型，结合偏依赖图（PDP）分析，为石墨烯改性GPC的STS预测提供可解释的优化工具。
**研究内容与结论**
研究人员收集了400个来自独立实验研究的石墨烯改性GPC的STS数据记录，涵盖了七个输入参数：粗骨料、细骨料、GGBS、硅酸钠、减水剂、养护温度和石墨烯含量。他们构建了决策树（DT）、随机森林（RF）、人工神经网络（ANN）和线性回归（LR）四种模型，并通过R2、RMSE、MAE、MAPE和a20指数评估性能。DT模型表现最优（训练R2=0.97，测试R2=0.94，RMSE=0.21–0.31 MPa，MAPE=0.051–0.109），RF紧随其后（R2=0.94/0.91），ANN存在过拟合（R2=0.91/0.89），LR最差（R2=0.88/0.85），证实了非线性树模型在捕捉GPC复杂胶凝材料-强度关系中的优势。PDP分析揭示：GGBS含量（Δ=5.3 MPa）是影响STS的最强正向参数，其次为养护温度（Δ=3.6 MPa）和石墨烯含量（Δ=3.4 MPa），石墨烯的最佳掺量为胶凝材料重量的0.06–0.08%，过高则因团聚导致强度下降。该研究首次在ML框架下定量验证了石墨烯对GPC的STS的显著增强作用，并明确树模型（尤其是DT）可作为可解释、稳健的工具用于低碳纳米增强GPC的配合比优化。论文发表在《Hybrid Advances》。
**关键技术方法**
研究采用的主要技术方法包括：（1）数据收集与预处理：从同行评审文献中系统收集400个实验记录，包含七个输入变量（粗骨料、细骨料、GGBS、硅酸钠、减水剂、养护温度、石墨烯含量）和STS目标值；采用最小-最大缩放归一化，并通过z分数和Winsorization处理异常值。样本队列来源涵盖多个独立实验研究，未进行数据插值或合成增强。（2）模型构建：分别建立DT（最大深度15，最小样本分裂数4，最小叶节点样本数2）、RF（200棵树，最大深度20，特征子采样为平方根）、ANN（7-64-32-1架构，ReLU激活，Adam优化器，学习率0.001，dropout率0.1）和LR（普通最小二乘法，无正则化）。（3）模型优化与评估：采用网格搜索结合10折交叉验证进行超参数调优，使用R2、RMSE、MAE、MAPE和a20指数评估，并通过PDP分析解释各特征对STS的边际效应。
**研究结果**
**4. Results and Conversation**
- **DT（最佳模型）**：达到最高预测精度（训练R2=0.97，测试R2=0.94；RMSE=0.21–0.31 MPa；MAPE=0.051–0.109），其递归划分有效编码了GGBS非线性剂量响应和温度敏感的聚合动力学。
- **RF（次优模型）**：获得R2=0.94（训练）和0.91（测试），通过集成平均展现出高鲁棒性，适用于不同配合比场景。
- **ANN（中等性能）**：R2=0.91（训练）和0.89（测试），但存在过拟合，需更大数据集或混合框架以发挥潜力。
- **LR（最弱模型）**：持续表现不佳（R2=0.88训练，0.85测试），确认其无法建模非线性地质聚合物系统。
**4.1. Partial Dependence Plot (PDP) Examination**
- **粗骨料**：在1050 kg/m3以下略微提升STS，之后因破坏基体连续性而呈抑制作用（Δ = -0.6 MPa）。
- **细骨料**：在550–700 kg/m3区间通过颗粒填充改善STS，过量则稀释凝胶网络（Δ = +0.4 MPa）。
- **GGBS**：最强正向影响，从100增至400 kg/m3时STS从2.5升至7.8 MPa（Δ = 5.3 MPa），归因于C-A-S-H凝胶致密化。
- **硅酸钠**：正向影响，从80增至200 kg/m3时STS从4.2升至5.8 MPa（Δ = 1.6 MPa），过量则因微裂纹和Si/Al失衡而下降。
- **减水剂**：适中正向影响，0.20–1.80 kg/m3范围内STS从4.0升至5.4 MPa（Δ = 1.4 MPa）。
- **养护温度**：第二重要参数，从20°C升至75°C时STS从3.2升至6.8 MPa（Δ = 3.6 MPa），高于80°C因热膨胀和水分损失而下降。
- **石墨烯含量**：非线性正向影响，0.01%–0.07%范围STS从3.8升至7.2 MPa（Δ = 3.4 MPa），最佳掺量0.06–0.08%，过高则因团聚导致应力集中。
**讨论与结论总结**
讨论部分指出，PDP分析揭示了GGBS、养护温度和石墨烯含量是STS的主要决定因素，而骨料需谨慎优化以避免削弱效应。研究局限性包括：未纳入NaOH摩尔浓度、Si/Al比、Ca/Si比、养护龄期等化学变量；“石墨烯含量”特征未区分纳米材料类型和分散方法；多源实验间的未建模噪声；PDP假设特征独立不完全成立；ANN模型参数/样本比高导致泛化受限；所有性能指标基于400样本内部验证，需外部独立实验验证。未来方向包括：扩充数据至更多样本、整合更多胶凝材料组合、采用SHAP和ALE等更先进可解释性工具、探索混合深度学习架构（如CNN-LSTM）、加入更多力学参数（如抗弯强度、抗压强度、吸水率等），以及结合生命周期评估（LCA）进行实时配合比优化。
**研究结论翻译**：
1. 决策树（最佳模型）：达到最高预测精度（训练R2=0.97，测试R2=0.94；RMSE=0.21–0.31 MPa；MAPE=0.051–0.109），证实其卓越的捕捉石墨烯改性GPC中STS复杂非线性关系的能力。
2. 随机森林（次优模型）：获得R2=0.94（训练）和0.91（测试），通过集成平均展现出高鲁棒性，适用于不同配合比设计场景的实际部署。
3. 人工神经网络（中等性能）：获得R2=0.91（训练）和0.89（测试），但表现出过拟合趋势，需更大数据集或混合框架以充分发挥其预测潜力。
4. 线性回归（最弱模型）：持续表现不佳（R2=0.88训练，0.85测试），确认其根本不适合建模复杂非线性地质聚合物系统。
5. PDP分析——关键影响参数：GGBS含量（Δ=5.3 MPa）是最具影响力的参数，其次为养护温度（Δ=3.6 MPa）和石墨烯含量（Δ=3.4 MPa），硅酸钠和减水剂贡献适中，过量骨料呈现抑制作用。
6. 石墨烯优化：PDP分析首次在基于ML的GPC研究中定量确认了石墨烯对STS的强正向影响，确定了结构配合比设计的最佳掺量为胶凝材料重量的0.06–0.08%。
7. 更广泛意义：胶凝材料化学、纳米材料增强和热养护是拉伸性能的主要决定因素，强调了通过优化配合比设计实现结构性能和可持续性（减少OPC消耗和降低隐含碳）的重要性。
