バイオ炭セメンチシャス複合材料の圧縮強度予測におけるブースティングベース機械学習モデルの性能分析

科学分野:

• 材料科学
• 持続可能な建設
• 機械学習の応用

背景:

• 熱分解されたバイオマス由来のバイオ炭は、炭素隔離を提供し、持続可能な建設材料としての可能性を秘めています。
• 低炭素建設のために、セメンチシャス複合材料におけるセメントの部分代替としてのバイオ炭が検討されています。

研究 の 目的:

• バイオ炭によるセメントの部分代替を用いたセメンチシャス複合材料の圧縮強度を予測すること。
• 正確な強度予測のための機械学習モデルを評価および最適化すること。

主な方法:

• 716のデータサンプル（実験および文献由来）の分析。
• 入力変数には、水セメント比、バイオ炭含有量、およびさまざまな混合成分が含まれていました。
• 機械学習モデル（MLR、ENR、SVR、GBM、XGBoost、LightGBM、CatBoost、NGBoost）を採用し、GridSearchCVおよびOptunaを使用して最適化しました。

主要な成果:

• 勾配ブースティングマシン（GBM）は当初高い精度を示しました。
• LightGBMは、MAE=3.3258、RMSE=4.6673、MAPE=11.19%、R²=0.8271で最高の予測性能を達成しました。
• SHAP分析により、水セメント比とセメント含有量が主要な予測因子であることが明らかになりました。

結論:

• 機械学習モデル、特にLightGBMは、バイオ炭セメント複合材料の圧縮強度を正確に予測できます。
• バイオ炭は、低炭素建設材料の開発において、セメントの部分代替として大きな可能性を示しています。