基于人工智能的二元分类方法评估3D打印混凝土的可持续配合比设计验收标准

《Materials Today Communications》：AI-based binary classification to assess sustainable mix design acceptance criteria in 3D printable concrete

　　

摘要

随着建筑向自动化发展，三维打印混凝土（3DPC）已成为先进建筑研究的焦点。为了追求可持续性，近期的工作旨在通过辅助胶凝材料来最大限度地减少水泥用量；然而，确保混合物满足可挤出性、可建造性和形状稳定性这三者仍然是一个关键挑战。为解决此问题，设计了一项涉及 104 种混合物的全面实验计划，这些混合物中高炉矿渣（BFS）、粉煤灰（FA）、硅灰（SF）、聚丙烯纤维（PPF）和废钢纤维（WSF）的比例各不相同。开发了一种基于人工智能的二元分类框架来评估 3DPC 的验收标准，其中包括一个独立的人工神经网络（ANN）以及两个将 ANN 与生物地理学优化（BBO）和蚁群优化（ACO）结合的混合模型。混淆矩阵结果显示，ANN 的准确率为 72%，ANN–ACO 为 83%，ANN–BBO 为 91%，分别比独立 ANN 提高了 11% 和 19%。通过七项性能指标的评估确认了 ANN–BBO 模型具有卓越的敏感性和特异性，这与受试者工作特征曲线一致。此外，具有 95% 置信区间（CI）的 Cohen's Kappa（κ）值从 ANN 的 κ = 0.563（CI = 0.396–0.730）到 ANN-BBO 的 κ = 0.770（CI = 0.647–0.892），表明一致性从中等过渡到实质性。最后，对 54 种符合条件的混合物的分析确定了最佳配合比范围：水泥 = 175–300 kg/m³，BFS = 280–395 kg/m³，SF = 0–30 kg/m³，水胶比 = 0.4，超级减水剂 = 0–5 kg/m³，以及 WSF = 0–78 kg/m³。

Ramin Kazemi|Fatih Eren Akgümü?|Hatice Gizem ?ahin|Ali Mardani|Seyedali Mirjalili