使用机器学习优化混凝土配合设计以降低成本和碳排放

水泥是混凝土的主要成分，也是碳排放的主要贡献者之一。减少水泥使用可以显著降低全球碳排放。本研究旨在创建一种成本最优且碳排放最小的混凝土混合物，同时满足抗压强度要求。使用XGBoost机器学习算法进行预测，并通过粒子群优化（PSO）获取最佳混合物。本研究的新颖之处在于引入混凝土龄期变量，采用层次分析法（AHP）通过利益相关者的偏好分析确定PSO参数权重，并通过实验室测试验证PSO推荐的混合物，这在相关研究中仍较为少见。研究结果表明，机器学习模型提供了令人满意的预测值，R²值为0.9043，均方根误差为48.5147，平均绝对百分比误差为0.0484。PSO结果显示，通过最佳使用外加剂可以实现混凝土中水泥的减少，同时降低1-3%的成本和7-10%的碳排放。研究结果为使用创新技术优化可持续混凝土配合的重要性提供了关键见解，加速了具成本效益的产品在市场上的实施。