Prediction of rheological properties of sustainable building materials using machine learning algorithms for in-situ applications

Makine öğreniminin (ML) hesaplama gücü açısından önemli bir ivme kazandığı göz önüne alındığında, bu çalışma, ML algoritmalarını kullanarak çimento esaslı malzemelerin reolojik özelliklerinin tahminini araştırmaktadır. Reolojik özellikler olan statik akma gerilmesi (SYS), dinamik akma gerilmesi (DYS) ve viskozite (VIS), hem malzeme davranışında hem de inşaat uygulamalarında kritik bir rol oynamaktadır. Bu bağlamda, çoklu doğrusal regresyon (MLR), karar ağacı (DT), rastgele orman (RF) ve gradyan artırma (GB) regresyon modellerini kullanarak hedef özellikler olan SYS, DYS ve VIS tahmin edilmiştir. Bu çalışmada, çeşitli çimento esaslı karışımlar üzerinde gerçekleştirilen laboratuvar deneyleriyle bir veri seti oluşturulmuştur. Karışımlar CEMII çimentosu, uçucu kül, kalsiyum oksit (CaO), su, belirli süper akışkanlaştırıcılar (SP) ve viskozite düzenleyici maddeler içermektedir. Geniş bir malzeme bileşimi yelpazesinin dahil edilmesi ile her malzemenin ML modellerine katkısının doğru bir şekilde yorumlanması sağlanmıştır. Bu çalışma, SP, CaO ve su-çimento oranının hedef özelliklerin tahmininde kritik olduğunu ortaya koymuştur. Modeller arasında, MLR ve GB modelleri reolojik özelliklerin tahmini için güvenilir sonuçlar sağlamıştır. Genel olarak, bulgular ML tekniklerinin çimento esaslı malzemelerin özelliklerini tahmin etme konusunda önemli bir potansiyele sahip olduğunu ve nihayetinde daha verimli ve sürdürülebilir uygulamaları mümkün kılabileceğini göstermektedir. Ek malzemelerin entegrasyonu ve daha gelişmiş modellerin kullanımı, belirli performans ihtiyaçlarına göre tasarlanmış karışımların geliştirilmesine katkıda bulunabilir.