一支来自沙特阿拉伯，中国，巴基斯坦，印度和澳大利亚的科学家的国际科学家团队，已在一份新论文中合作水泥和混凝土复合材料使用机器学习来测试泡沫混凝土。
Study:使用神经，遗传和合奏机器学习方法估算轻质泡沫混凝土的抗压强度。图片来源：olpo/shutterstock.com
What is Foamed Concrete?
混凝土具有出色的机械和物理特性，尤其是用钢钢筋加固，这使其成为理想的建筑材料。但是，由于其碳足迹，混凝土生产的环境成本巨大，并且是诱发气候变化排放的关键来源。此外，混凝土废物是环境污染的主要来源。
近几十年来，已经研究了几种可持续类型的混凝土和水泥添加剂，以部分或完全替代传统的普通波特兰水泥并改善建筑行业的生态友好性，并增强混凝土的机械，物理和物理化学特性。研究人员目前正在探索泡沫混凝土。
这种创新的材料具有较小的细胞结构，密度不同。结合砂浆的重量减轻是由随机空气中的包含引起的。尽管不是新材料，但由于与常规混凝土相比，泡沫混凝土已成为研究的重点。
Other names for foamed concrete include low-density foamed concrete and lightweight cellular concrete. This material has been applied in fire-resistant and earthquake-resistant structures due to its excellent properties and is composed of cement, aggregate, foaming agents, and water. Several researchers have also investigated the inclusion of waste binders to improve the material.
泡沫混凝土的特性可以受到材料特征的影响，例如水泥矿物学，泡沫剂类型，骨料的颗粒法以及混合物比例，孔的均匀性和性质以及水质。此外，固化方法可以影响最终的材料特性和性能。
确定最佳混合物的混凝土性能
确定泡沫混凝土材料成分的最佳混合物对于改善最终产品性能至关重要。实现适当的材料混合物以最佳的高强度重量比赋予混凝土，这对于结构应用至关重要。另外，确定材料的最佳比率可增强耐火性，能耗和导热性。欧洲杯足球竞彩
The benefits of this material have led to its adoption in several countries such as Korea, the UK, and Canada. Currently, determining the optimal mixture of materials within foamed concrete is commonly performed using empirical models and experimentation, which can be inefficient.
多年来，基于FERET和BALSHIN等基础模型（例如FERET和BALSHIN）的经验模型已经开发出来，但是这些方法存在挑战。例如，材料特性与抗压强度之间的关系是复杂的，并且必须使用各种常数，这些常数不容易确定。
由于目前的经验模型在复杂性，时间和成本方面的缺点，研究人员已根据机器学习转向基于AI的高级模型。由于内置的能力克服了关键问题的复杂性并提供了卓越的预测能力，因此这些技术比常规方法提供了一些独特的好处。
强烈的研究重点已放在应用机器学习上，以预测制造前混凝土的压缩品质，从而节省了时间，成本和浪费。另外，可以使用机器学习算法预测结构行为。基于机器学习的技术正在迅速成为建筑行业研究的组成部分。
纸
研究水泥和混凝土复合材料由于其非线性功能，已采用了三种强大的机器学习算法（GEP，GBT和ANN）。具体而言，该算法用于预测泡沫混凝土的抗压强度。
用作者的参数分析优化了水与水泥和水泥的材料比。论文中介绍了变量的模型性能，参数分析和敏感性分析，并提出基于机器学习的方法可用于选择最佳的泡沫混凝土组成。
该研究表明，泡沫混凝土密度与抗压强度之间存在很强的相关性。作者的工作还揭示了三种基于机器学习模型的最佳算法参数。所有优化的AI模型都产生了很强的R相关性，这反映了预测结果和实验结果之间的强烈一致性。
GBT模型取得了最佳性能，在三种基于机器学习的方法中具有最高验证数据。在准确性方面，它超过了其他两个模型，ANN第二和GEP是最不准确的。
Future opportunities exist in improving modeling and prediction further using machine learning algorithms, and the scientists involved with the paper have proposed that future research should investigate variable foaming agent dosages. Overall, the new paper has demonstrated the advantages of machine learning methods over conventional empirical and experimental models.
来自Azom的更多内容：激光清洁技术如何运作？
进一步阅读
Salami，B.A等。（2022）使用神经，遗传和合奏机器学习方法估算轻质泡沫混凝土的抗压强度水泥和混凝土复合材料104721 [在线，预隔离] ScienceDire欧洲杯线上买球ct.com。可用网址：https://www.欧洲杯线上买球sciendirect.com/science/article/abs/pii/s0958946522003146
免责声明：此处表达的观点是以其私人身份表达的作者的观点，不一定代表AZOM.com的观点有限的T/A Azonetwork本网站的所有者和运营商。此免责声明构成了条款和条件使用此网站。