贝壳灰基生物矿化与包覆处理再生骨料混凝土的自修复性能：一种实验与可解释机器学习方法

《Construction and Building Materials》：Self-healing performance of seashell ash-based biomineralization- and wrapping-treated recycled aggregate concrete: An experimental and explainable machine learning approach

　　

摘要 微生物自修复混凝土为延长基础设施服役寿命和减少维护提供了有前景的方法；然而，实际实施仍受限于细菌存活率低、载体系统成本高昂以及再生骨料带来的力学性能损失。本研究开发了一个集成可持续混凝土框架，结合了富含钙的海贝壳灰（SSA）作为部分水泥替代材料、通过生物矿化或水泥质包裹改性处理的再生混凝土骨料（RCA），以及用于抗压强度预测的可解释机器学习模型。共对一组对照组和六组含10%、25%和50%RCA的处理组进行了实验评估。包裹处理组中10% RCA的混合物达到了最高的28天抗压强度33.7 MPa，比对照组提高了2.4%。生物矿化处理组中25% RCA的混合物表现出最大的自修复能力，28天后0.3–0.4 mm裂缝的闭合率达到88.7%，56天后接近完全闭合（96.4%）。基于570条抗压强度记录（包含本研究21条记录和来自49篇已发表文献的549条记录）开发的机器学习模型表现出强大的预测性能，梯度提升模型的测试R2为0.941，RMSE为3.61 MPa。SHAP分析识别出水泥含量为主要预测因子，而细菌浓度在异质性多物种数据集上表现出较高的数据集级别重要性，因此不能将其解释为菌株特异性证据。SEM观察表明存在矿物填充、孔隙细化和界面过渡区致密化，但沉积物的矿物学鉴定和钙源未得到直接验证。材料相关的隐含CO?排放相比传统OPC混凝土降低了8.8–10.9%，主要通过基于SSA的熟料替代实现，RCA掺入带来了额外减排。总体而言，结果表明在优化替代水平下结合SSA和处理RCA有望生产低碳自修复混凝土，同时维持力学性能。

引言 微裂缝是钢筋混凝土耐久性失效的主要途径，0.1–0.3 mm量级的裂缝会显著增加渗透性并促进氯离子、硫酸盐和二氧化碳等侵蚀性物质的侵入，导致钢筋腐蚀和过早劣化[1]，[2]。传统修复方法（如环氧树脂注射和表面处理）主要是反应式的，需要大量人力，且难以用于大型基础设施中的分布性裂缝。这些局限推动了自修复混凝土（SHC）的研究，后者通过材料固有行为（自愈性）或工程化机制（自主性修复）实现自主裂缝修复，为提升耐久性和降低维护需求提供了一条途径[2]。

在自主性自修复机制中，微生物诱导碳酸钙沉淀（MICP）已成为一种有前景的方法，碱嗜菌在裂缝空隙中沉淀CaCO?，对亚毫米裂缝的封闭效率接近95%，并显著降低渗透性[3]，[4]，[5]。研究最广泛的途径是尿素水解，即细菌脲酶水解尿素，提高局部碱度，产生碳酸根离子，与Ca2?反应形成CaCO?。非尿素水解途径（包括反硝化作用和有机化合物氧化）也能诱导碳酸盐沉淀，同时避免了尿素水解产生的氨问题[6]。本研究采用尿素水解途径，使用蜡样芽孢杆菌（Bacillus cereus）。然而，实际实施仍受限于混凝土孔溶液中高度碱性的环境（pH 12–13），这会抑制细菌存活和酶活性，尿素水解细菌在pH超过11时脲酶活性显著下降[4]，[7]。此外，营养耗尽、氧气限制以及搅拌过程中的机械应力可能在缺乏保护载体的情况下降低自修复性能[8]，[9]。常见的保护策略包括聚合物微胶囊、多孔轻骨料（如膨胀土和珍珠岩）、硅藻土、水凝胶和硅胶。这些载体固定或包裹细菌细胞和芽孢，提高了对搅拌应力和碱性孔溶液环境的保护，并能在水分侵入后激活[10]。然而，载体的掺入可能增加成本、使加工复杂化，并影响力学性能，具体取决于载体类型和用量[10]，[11]，[12]。在再生骨料混凝土中，RCA的多孔附着砂浆和内部孔隙网络可能同样为细菌固定提供受保护的位置，使RCA成为一种潜在载体，同时替代天然骨料[13]。

再生混凝土骨料（RCA）由破碎混凝土衍生而来，为细菌固定和建筑废物资源化提供了独特途径。尽管RCA传统上被认为比天然骨料具有更高的吸水率和较低的力学性能[14]，[15]，[16]，但其多孔微观结构和残余微裂缝可作为细菌固定、营养保留和损伤后受控释放的受保护微环境[13]。生物矿化（BM）处理促进细菌在RCA孔隙中沉淀矿物，而包裹（BW）处理提供被动的表面和ITZ致密化[13]，[17]。BM和BW混合物均使用相同的细菌用量1 × 10? CFU/mL，但固定化环境不同。在BM-RCA中，处理后的孔隙为细菌保留和矿物沉积提供受保护的位置，而BW-RCA依赖水泥质表面涂层，细菌分散在拌合水中。这种对比隔离了细菌辅助矿化超越被动ITZ改善的额外益处。近期研究表明，这类改性可以显著增强裂缝愈合性能并部分恢复力学性能，将RCA基系统重新定位为集成自修复平台而非被动替代材料[18]。

虽然保护载体提高了细菌存活率，但有效的MICP还需要持续的钙供应以支持碳酸盐沉淀和裂缝封闭。尽管水泥水化提供氢氧化钙，但当细菌活动消耗钙的速度快于补充速度时，局部耗尽可能发生，特别是在裂缝区域[19]，[20]。海贝壳灰（SSA）含有高比例的CaO，可能提供补充含钙相，同时在适度替代水平下部分替代波特兰水泥而不损害强度[21]，[22]，[23]。其成分使其对MICP的贡献在机理上具有合理性，因为活性含钙相可能在水分侵入后溶解并可用于碳酸盐沉淀[23]，[24]。然而，本研究未通过孔溶液化学分析、EDS或XRD直接确认SSA来源Ca2?的释放和利用。因此，混凝土服役条件下钙的溶解速率和程度仍未量化。更广泛地说，包括SSA、RCA和轻骨料在内的这些材料替代策略反映了该领域利用本地来源废物流和低碳替代品替代传统混凝土组分的共同趋势[25]。然而，基于轻骨料系统的方法并不能直接解决细菌自修复或再生骨料载体机制问题。

海贝壳灰处理再生骨料与MICP的集成产生了一个由复杂非线性相互作用控制的多组分系统，难以使用传统经验方法解析。关键变量（包括RCA替代水平、水胶比和养护条件）表现出耦合效应，限制了传统回归优化方法的有效性[20]，[26]。机器学习（ML）方法可以捕捉此类非线性关系；然而，其在此背景下的主要价值在于可解释性而非单纯的预测精度。可解释框架如SHapley Additive exPlanations（SHAP）能够将模型输出分解为特征级别贡献，提供对配合比参数相对重要性和交互作用的洞察。近期研究表明，基于SHAP的分析可以揭示混凝土系统中非单调和阈值依赖行为，这些行为从经验公式中不易察觉[27]，[28]，[29]。这一能力使得可以探索涉及SSA含量、细菌浓度和RCA处理的数据集级别关联，但无法独立确认实验中观察到的钙源或生物矿化机制。这些洞察对于耦合生物与材料相互作用的自修复混凝土系统的合理优化至关重要。

尽管取得了这些进展，目前很少有研究系统地将海贝壳灰、生物矿化或包裹处理的再生骨料以及SHAP引导的机器学习结合在单一三元框架中。以往研究侧重于海贝壳和农业废物基胶凝材料的力学、耐久性和可持续性效益，而很大程度上忽视了细菌自修复[21]，[22]，[23]；以往关于生物矿化RCA的研究未将处理与可能贡献含钙相的富钙辅助胶凝材料配对[13]，[17]，[18]；以往关于混凝土强度的机器学习研究优先考虑预测精度，而非解耦钙可获得性、细菌活动和骨料处理作为机理不同变量的贡献所需的可解释性[27]，[28]，[29]。这些研究空白的组合促使了本研究开发的集成实验-计算方法。

为填补这一空白，本研究开发了一个集成框架，结合10% SSA作为部分水泥替代、通过生物矿化或包裹处理的RCA以及SHAP引导的机器学习，在10%、25%和50%的RCA替代水平下评估力学性能、裂缝愈合、微观结构发展和界面过渡区（ITZ）行为。与以往主要关注自修复性能或力学恢复的研究不同，本工作结合实验验证、机理微观结构解释和基于SHAP的分析，探讨细菌浓度、SSA掺入和骨料处理与混凝土性能之间的关联。本工作的创新之处有三方面。第一，海贝壳灰同时作为部分水泥替代和MICP的潜在含钙相补充源进行评估。由于钙释放未经直接测量，此功能是从SSA组成、性能趋势和SEM形貌推断的，而非作为独立机制得到确认。第二，生物矿化处理RCA和包裹处理RCA在同一实验框架下使用相同细菌用量进行评估，提供了骨料孔隙内细菌沉淀与涂层骨料周围外部ITZ致密化之间的直接对比。第三，基于SHAP的解释用于刻画汇集的570条记录数据集中的预测关联，同时明确将这些数据集级别模式与蜡样芽孢杆菌生物矿化获得的直接实验证据区分开来。

实验概要 本研究调查了一种掺入固定10%海贝壳灰（SSA）替代和采用生物矿化及包裹策略处理的RCA的自修复混凝土系统。共配制了七组混合物，RCA替代水平为10%、25%和50%。实验矩阵考虑固定SSA用量和细菌浓度，以RCA含量和处理类型为主要变量。共评估了196个试件的流态、力学、无损、微观结构等性能。

流态性能与和易性 所有混合物的流态性能见图6、图7。由于所有混合物中SSA含量固定为10%，和易性和密度的变化主要由RCA替代水平和骨料表面特性控制。

结论 本研究评估了一种掺入10%海贝壳灰（SSA）、生物矿化或包裹处理再生混凝土骨料（RCA）以及可解释机器学习的自修复混凝土系统。主要发现如下：

• 所有混合物均表现出可接受的流态性能，坍落度值为79.0–88.9 mm，紧密因子为0.88–0.94。增加RCA含量通常会降低和易性和密度。

• 力学性能取决于处理类型和RCA水平。10%包裹处理的RCA混合物……

CRediT作者贡献声明 Shuvo Dip Datta：写作——审阅与编辑、写作——原始稿件、监督、软件、项目管理、方法论、资助获取、概念化、数据分析。Mst. Shabnaj Parvin：可视化、验证、资源、方法论、调查、数据整理。Md. Habibur Rahman Sobuz：写作——审阅与编辑、验证、监督、资源。Md Tashfique Enam Tutul：写作——原始稿件、可视化、验证、软件、方法论、形式分析。

生成式AI和AI辅助技术在写作过程中的声明 在本手稿准备过程中，作者使用了ChatGPT（OpenAI）和Grammarly Premium来提升语言质量、可读性、语法和整体写作清晰度。这些工具仅用于辅助文本润色，未生成科学内容、执行数据分析、解释结果或影响研究结论。作者审阅并编辑了输出内容，对手稿内容承担全部责任。

利益冲突声明 作者声明不存在可能影响本论文中报告工作的已知竞争性财务利益或个人关系。

致谢 作者衷心感谢孟加拉国库尔纳工程与技术大学（KUET）建筑工程与施工管理系结构与材料工程人员在试件制备、测试和本研究实验活动中提供的支持和实验室协助。此外，作者感谢KUET材料科学与工程系及皮革工程系提供的支持。

Shuvo Dip Datta | Mst. Shabnaj Parvin | Md. Habibur Rahman Sobuz | Md Tashfique Enam Tutul 怀俄明大学土木与建筑工程及施工管理系，美国怀俄明州拉勒米市，邮编82071