实验与机器学习方法评估海贝壳粉作为部分水泥替代材料

《Scientific Reports》：Experimental and machine learning assessment of sea shell powder as a partial cement replacement

　　

摘要

水泥行业的高碳强度是推动在结构混凝土中使用低环境影响矿物替代材料的一个重要动因。本研究评估了海贝壳粉（SSP）以10%、20%、30%比例部分替代水泥的使用效果，并调查了海贝壳粉改性混凝土的力学性能、碳足迹和经济可行性，同时评估了机器学习（ML）模型在预测抗压强度和辅助可持续配合比设计决策中的适用性。实验结果表明，10%–20%的SSP替代量具有结构级性能表现（28天抗压强度分别为：10% SSP替代时为45.0 MPa，20% SSP替代时为41.9 MPa，而对照组为51.2 MPa），而30% SSP替代时出现大幅下降（24.6 MPa）。抗折强度和抗拉强度呈现出相似趋势，进一步证实了超过20%替代量后性能劣化变得显著。从摇篮到大门的碳排放分析显示，隐含二氧化碳排放量按比例降低，10%、20%和30% SSP替代水平分别对应10%、18%和26%的CO₂减排。成本分析表明，由于水泥用量减少，每批混凝土成本分别降低了6.7%、13.3%和20.0%。随机森林和梯度提升等机器学习模型在预测强度和确定强度主导预测因子方面具有高度准确性，关键预测因子为SSP含量和养护龄期。基于机器学习的优化图显示，在10%–15% SSP替代区间存在一个可持续性能最优窗口，在此区间内强度、碳排和成本指标均表现出有利收敛。总体而言，研究结果支持10%–20% SSP替代量在力学可靠性、碳减排和成本效益之间提供了最佳平衡的结论。该实验-计算集成框架为建立可直接用于决策的SSP改性混凝土选择路径铺平了道路，从而在满足结构需求的同时大幅降低环境和经济负担。