廃棄物由来サルフォアルミネートセメントペーストの圧縮強度に対するアンサンブル機械学習予測

科学分野:

• 材料科学; 化学工学; データサイエンス

背景:

• 産業廃棄物は、サルフォアルミネートセメント（SAC）合成の代替原料として可能性を提供します。 これらの廃棄物の複雑な組成は、SAC生産における性能のばらつきにつながります。 SAC生産の最適化には、圧縮強度のような材料特性の正確な予測が必要です。

研究 の 目的:

• SACペーストの圧縮強度を予測するための機械学習（ML）モデルを開発および検証すること。 SAC圧縮強度に影響を与える重要な要因、特に原料組成を特定すること。 持続可能なSAC生産における効率的な原料スクリーニングとプロセス最適化のためのデータ駆動型ツールを提供すること。

主な方法:

• 707の文献データポイントのデータセットを使用して、MLモデルをトレーニングおよびテストしました。 ランダムフォレスト（RF）およびニューラルネットワーク（NN）を含むアンサンブルMLアプローチが採用されました。 モデル解釈技術を使用して、特徴量重要度と圧縮強度との相関関係を決定しました。

主要な成果:

• アンサンブルRF+NNモデルは、テストR²が0.87で高い予測精度を達成しました。 原料組成は最も重要な要因として特定され、予測重要度の34.9%を占めました。 検証されたMLモデルは、有害廃棄物を使用した独立した実験で10.82%未満の予測誤差を示しました。

結論:

• 機械学習は、SAC圧縮強度を予測するための正確でデータ駆動型のツールを提供します。 開発されたモデルは、持続可能なSAC生産のための迅速な原料スクリーニングとプロセス最適化を可能にします。 このアプローチは、セメント製造における産業廃棄物の使用を加速するための費用効果が高く、省力的な道を提供します。