基于机器学习的多目标优化技术，用于可持续工程化水泥基复合材料：通过利用城市固体废物焚烧底灰（MSWIBA）在提升材料性能的同时实现二氧化碳减排

《Environmental Research》：Machine learning-driven multi-objective optimization of sustainable engineered cementitious composites: Balancing performance and CO2 reduction via municipal solid waste incineration bottom ash (MSWIBA)

ECC优化与MSWIBA替代研究|机器学习优化|水灰比调控|碳减排|工程水泥基复合材料

　　

雷成|周蓝天|李中华|罗云龙|桂云丹|刘俊

深圳大学土木与交通工程学院，中国深圳市518060

摘要

本研究旨在通过用城市固体废物焚烧底灰（MSWIBA）替代天然砂，来提升工程水泥基复合材料（ECC）的机械性能和环境可持续性。实验测试了15种ECC混合物，研究了不同的水灰比（W/B）（0.24–0.30）和底灰替代比例（0–100%）对材料性能的影响。结果表明，底灰的加入降低了材料的流动性及强度，抗压强度从74.1 MPa（对照组）降至32.7 MPa（W/B=0.24时底灰完全替代）。最佳实验结果表明，在W/B=0.27、底灰替代比例为25%–50%时，材料表现出显著的应变硬化特性（?_u>2.5%）。从环境角度来看，底灰的使用将每立方米的二氧化碳排放量从0.9665 kg/m³降低到0.8788 kg/m³。为了指导这种基于实验设计的可持续混合料配制，建立了一个基于机器学习（ML）的多目标优化（MOO）框架，以实验数据作为领域内数据库。支持向量回归（SVR）模型（fc的验证R=0.95）被用作替代预测器，蚁群优化（ACO）算法则根据熵权重法（EWM）平衡了抗压强度、抗拉强度和CO₂/f_c三个目标（权重：wenv=0.3364, w_fc=0.3286, w_ft=0.3350）。该框架推荐的最佳配比为W/B=0.2526、底灰替代比例为20.00%，对应的预测性能为抗压强度61.09 MPa、抗拉强度5.56 MPa以及CO₂/f_c = 0.0154 kg/(m³?MPa）。这一优化结果应被视为在研究范围内的插值设计建议，而非普遍适用的预测结果。

引言

工程水泥基复合材料（ECCs），也称为应变硬化水泥基复合材料（SHCCs）或超高韧性水泥基复合材料（UHTCCs），是一类先进的纤维增强水泥材料，具有优异的延展性、耐久性和抗拉性能[4]。ECC通过加入细纤维并精确控制微观力学参数来实现这些性能提升，因此在土木工程、基础设施修复和可持续建筑实践中具有广泛的应用前景[5],[6],[7],[8],[9]。

尽管技术上有所进步，但由于传统ECC混合物中含有大量水泥材料且依赖天然细骨料（如石英砂），其在环境方面仍存在挑战。水泥的大量使用加剧了温室气体排放，而天然骨料的开采则加速了资源枯竭和生态退化，引发了严重的可持续性问题[5],[10],[11],[12],[13],[14]。

许多学者研究了利用工业和生活垃圾替代ECC中天然细骨料的潜力。Adesina等人[11]使用碎橡胶作为ECC的细骨料，但发现尽管延展性有所提高，抗拉强度和模量却显著下降。与此同时，全球城市化导致城市固体废物（MSW）产生量激增，到2016年每年已超过2亿吨[15]。废物焚烧作为一种能源回收方式，会产生大量固体残渣，其中城市固体废物焚烧底灰（MSWIBA）占比高达80%[16],[17],[18]。虽然MSWIBA含有二氧化硅、钙和铝等氧化物，使其在化学上适合作为替代骨料，但也含有微量重金属[19]，这限制了其直接填埋的使用，从而引发了对其再利用的兴趣。

多项研究证明了MSWIBA在传统混凝土或砂浆应用中的可行性[20],[21],[22]。Vaitkus等人[20]研究了MSWIBA在道路建设中的适用性，并确认其作为细骨料的可行性。Wang等人[23]评估了MSWIBA在传统混凝土中的使用效果，发现替代比例增加会导致机械性能下降。Li等人[24]指出预处理后的MSWIBA能改善机械性能并减少残留铝产生的氢气。Xu等人[25]使用MSW残渣制备了地质聚合物骨料，虽然机械性能有所提升，但强碱激活剂的需求限制了其实际应用。Jin Wook Bang等人[26]研究了MSWIBA替代比例高达30%对ECC的影响，发现性能尚可，但未探讨完全替代或纤维相互作用的情况。然而，MSWIBA的多孔结构、较低的强度和高吸水性使其与控制裂纹的纤维基体的兼容性成为复杂问题，从而难以预测复合材料的最终性能。

为应对这一复杂性，机器学习（ML）已成为探索可持续混凝土复杂设计空间的有力工具。研究们采用了多种算法来预测材料性能：从Sobuz等人[27]和Ghrici等人[28]使用的集成方法（如XGBoost和随机森林），到支持向量机用于可靠的强度预测。除了预测之外，ML模型还是多目标优化（MOO）框架的核心。例如，Liu等人[29]将Sparrow搜索算法与ML预测器结合，有效找到了帕累托最优解。同样，Non-Dominated Sorting Genetic Algorithm（NSGA-II）与预测模型的结合也被用于平衡强度、成本和氯离子渗透性等竞争目标（如Yuan等人[30]和Zhang等人[31]的研究）。这些成熟的方法为应用ML-MOO框架开发MSWIBA-ECC提供了坚实的基础。

因此，本研究开发了一个集成的实验-分析框架，用于可持续的MSWIBA-ECC设计。与传统主要依赖试错优化机械性能的设计方法不同，本研究同时考虑了新鲜状态下的材料行为、机械性能、孔结构演变和碳排放效率。此外，与许多仅关注性能预测的ML研究不同，所提出的框架将实验数据、微观结构解析、碳评估、基于SVR的性能映射和基于ACO的多目标优化结合到一个统一的工作流程中。本研究的新颖之处在于三个方面：（i）建立了包含水灰比（W/B）和MSWIBA替代比例变化的系统实验数据集；（ii）使用CO₂/f_c作为可持续性指标，量化了机械性能与环境效率之间的权衡；（iii）开发了一个基于ML的领域内优化框架，以在研究范围内推荐合适的ECC混合物，而不仅仅依赖经验性的试错过程。因此，本研究提供了一种数据驱动的策略，用于设计含有城市固体废物焚烧底灰的资源高效ECC混合物。

部分内容摘录

原材料

本研究使用的胶凝系统包括普通波特兰水泥（OPC, P.O 42.5）和F级粉煤灰（FA）。底灰（BA）来自城市固体废物焚烧，用作细骨料的替代品，石英砂（SS）作为细骨料。采用聚羧酸基高效减水剂（HRWR）来提高新鲜混合物的工作性。每份混合物中添加了20克聚乙烯（PE）纤维以增强性能。

新鲜状态下的性能和强度

图2（a）显示了流动性结果。随着底灰含量的增加，所有测试水灰比（W/B）下的ECC混合物流动性均呈下降趋势。例如，在W/B比为0.24时，流动性从对照组混合物（B0S100）的196.32 mm降至100%底灰替代混合物（B100S0）的158.45 mm。这种下降主要是由于底灰颗粒形状不规则，导致颗粒间摩擦增大和吸水率增加。

碳排放计算

为了评估ECC混合物的环境影响，本研究进行了碳排放分析，仅考虑了从原材料生产到最终产品的整个过程。每种混合物的碳足迹是根据每立方米的材料组成和现有数据库及文献中的碳排放因子（kg CO₂-eq/kg）估算得出的。

数据库构建

预测建模工作首先建立了包含15种不同MSWIBA-ECC混合物实验结果的综合性数据库。表5总结了数据集的统计特征，显示了输入参数和材料响应的广泛范围。数据集涵盖了W/B比从0.24到0.30、底灰替代比例从0%到100%的范围。值得注意的是，抗压强度的绝对波动最大（标准差=19.56 MPa）。

结论

本研究证实了使用城市固体废物焚烧底灰（MSWIBA）作为工程水泥基复合材料（ECC）中可持续骨料的潜力，同时分析了其对机械性能、微观结构和二氧化碳排放的影响。

• 1.
  在W/B=0.27、底灰替代比例为25%–50%的条件下，实现了具有显著应变硬化特性（?_u>2.5%的全面性能。这一范围内，材料保持了较高的抗拉强度（5.82 MPa至3.27 MPa），同时降低了二氧化碳排放。

作者贡献声明

李中华：数据可视化、数据整理。周蓝天：写作、审稿与编辑、项目管理、方法论。桂云丹：数据可视化、实验研究。罗云龙：数据可视化、数据整理。刘俊：写作、审稿与编辑、项目管理。雷成：初稿撰写、数据可视化、方法论、实验研究、数据分析。

数据获取

数据可应要求提供。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

本文所述工作得到了深圳市科学技术计划（KCXFZ20230731092804009）和广东省海洋土木工程耐久性重点实验室（深圳大学）（2020B1212060074）的资助。