Une équipe turque développe un cadre d'apprentissage automatique en ensemble pour une prédiction de haute précision de la résistance du ciment au biochar
2026-04-22 16:49
Favoris

Une équipe de recherche conjointe de l'Université Bitlis Eren et de l'Université Inonu en Turquie a publié une étude dans le Journal of Cleaner Production, développant un cadre de conception intelligente intégré combinant l'apprentissage automatique en ensemble, l'intelligence artificielle explicable, l'évaluation de la durabilité du cycle de vie et un outil d'interface utilisateur graphique sans code, utilisé pour prédire la résistance à la compression des composites à base de ciment modifiés au biochar (BMCC).

Schéma de classification des ressources de biomasse, des voies de préparation du biochar et du mécanisme de séquestration du carbone

L'équipe de recherche a sélectionné et constitué un ensemble de données comprenant 482 échantillons expérimentaux provenant de 26 publications, couvrant 12 caractéristiques d'entrée clés, telles que les paramètres de composition du mélange, les propriétés physico-chimiques du biochar et les conditions de cure. L'équipe a sélectionné quatre apprenants de base : Forêt Aléatoire, Arbre Extrêmement Aléatoire, Machine à Gradient Boosté et XGBoost, et a construit 10 configurations de modèles en ensemble. Grâce à une recherche par grille et une validation croisée à 5 plis pour optimiser les hyperparamètres, le modèle SM-8 (combinaison XGB+ETR+RF) a été finalement sélectionné comme architecture optimale.

Caractéristiques de distribution de fréquence des variables d'entrée et de sortie de l'ensemble de données

Les résultats de la validation des performances du modèle montrent que le meilleur modèle SM-8 atteint un coefficient de corrélation de 0,972, un coefficient de détermination de 0,945 et une erreur absolue moyenne en pourcentage aussi faible que 7,84 % sur l'ensemble de test. La précision de prédiction et la capacité de généralisation sont significativement supérieures à celles des apprenants de base individuels, avec l'incertitude de prédiction la plus faible. Grâce à l'analyse d'explicabilité SHAP et ICE, l'étude a, pour la première fois, systématiquement identifié les facteurs de contrôle clés de la résistance à la compression du BMCC : l'âge de cure, le rapport eau/liant, le dosage du superplastifiant et la quantité de ciment. L'influence non linéaire de chaque paramètre a été quantifiée, et la plage de dosage optimale de biochar a été déterminée entre 1 % et 5 %.

Carte de chaleur de corrélation de Pearson entre les variables de l'ensemble de données

Résultats du test de valeurs aberrantes par distance de Mahalanobis sur l'ensemble de données

Résultats de l'analyse des émissions de carbone et des coûts du cycle de vie du BMCC

Les résultats de l'évaluation du cycle de vie indiquent que le ciment est la principale source d'émissions de carbone et de coûts du BMCC, tandis que le biochar, grâce à ses propriétés d'émissions de carbone négatives, peut réduire l'empreinte carbone du système. L'étude propose des directives de conception durable pour le BMCC : contrôler la quantité de ciment entre 480 et 540 kg/m³, le dosage de biochar entre 1 et 5 % en poids, en association avec un rapport eau/liant et un régime de cure appropriés, afin d'atteindre une synergie entre haute résistance, faibles émissions de carbone et faible coût. L'équipe de recherche a également développé un outil d'interface utilisateur graphique sans code, offrant aux ingénieurs des fonctions de prédiction de résistance en un clic, ainsi qu'une évaluation simultanée de la faible émission de carbone et du coût.

Ce texte est rédigé, traduit et republié à partir des informations de l'Internet mondial et de partenaires stratégiques, uniquement pour la communication entre lecteurs. En cas d'infraction au droit d'auteur ou d'autres problèmes, veuillez nous en informer à temps pour la modification ou la suppression. La reproduction de cet article est strictement interdite sans autorisation formelle. Mail : news@wedoany.com