AI模型精准预测再生骨料混凝土抗氯离子渗透性能

沿海及富氯环境下的混凝土基础设施长期面临耐久性挑战：氯离子渗入会破坏钢筋保护层并引发腐蚀开裂。当常规材料被再生或废弃物替代时，该问题更为复杂。研究团队利用人工智能技术辅助可持续混凝土设计，将人工神经网络（ANN）与响应面法（RSM）结合，成功提升了再生骨料混凝土（RAC）的抗氯离子渗透性能。

研究团队整合了既往文献中的729组再生骨料混凝土配比数据库，涵盖六个核心变量：磨细高炉矿渣粉（GGBFS）、废橡胶颗粒（WCR）、再生粗骨料（RCA）、水胶比（W/B）、胶凝材料用量（BC）及养护龄期（CA）。原始试验采用快速氯离子迁移法测定氯离子扩散系数（DCl−），数值越低代表抗渗性越好。试件为直径100毫米、高200毫米的圆柱体，经7天、28天或91天养护后截取50毫米高样块进行测试，每组每个龄期取三个试件平均值。

在预测路线上，ANN模型识别出配合比、养护条件与抗氯离子性能间的非线性关系。数据经标准化后按70%训练、15%验证、15%测试划分，Zui终选定6-12-1网络架构（6个输入变量、12个隐藏神经元、1个输出），并辅以十折交叉验证评估稳定性。RSM则提供显式数学关系，便于工程师分析各变量及其交互作用对氯离子传输的影响。

结果显示，ANN预测精度显著优于RSM。完整数据集上，ANN决定系数（R²）达0.9935，均方根误差（RMSE）为0.227×10⁻¹² m²/s，平均误差（MAE）为0.178×10⁻¹² m²/s；RSM对应指标分别为0.9717、0.480和0.377×10⁻¹² m²/s。约98%的ANN预测值落在实测结果±6%区间内，RSM约为86%。十折验证平均R²为0.969，证实模型性能稳定且非依赖单一数据划分。

材料组分对氯离子传输的影响规律明确：增加矿渣粉含量可降低氯离子迁移率，归因于水化硅酸钙生成增多及基体致密化；而再生粗骨料比例上升通常会增加扩散系数，因其残留砂浆易引入孔隙与微裂缝。但建模表明，该劣势可通过补充材料部分抵消，尤其是矿渣粉的协同作用。废橡胶颗粒对降低扩散系数影响较小，提高水胶比则会加剧渗透。此外，增加胶凝材料用量与延长养护时间均能提升抗渗性，说明独立选用再生材料未必Zui优，需综合调控配比。

基于上述规律，研究通过优化得出推荐配比：胶凝材料中掺入40%矿渣粉、2.7%废橡胶颗粒，粗骨料中掺入3.5%再生粗骨料，水胶比0.35，胶凝材料用量425千克/立方米，养护龄期91天。该组合预测氯离子扩散系数降至5.81×10⁻¹² m²/s，补充材料掺量达46.2%。

该研究展示了数据驱动建模如何缩短实验室积累向工程配比设计的转化路径。作者指出，未来多目标优化需纳入力学性能、工作性、成本、碳排放、收缩及其他耐久性指标，这是推动AI辅助配比设计直接应用于工程实践的关键下一步。相关成果已发表于《Scientific Reports》。