Türkisches Team entwickelt Stacked-Machine-Learning-Framework für hochpräzise Vorhersage der Festigkeit von Biokohle-Zement
2026-04-22 16:48
Merken

Ein gemeinsames Forschungsteam der Bitlis-Eren-Universität und der Inönü-Universität in der Türkei hat im *Journal of Cleaner Production* eine Studie veröffentlicht, in der ein integrierter intelligenter Designrahmen entwickelt wurde, der Stacked Machine Learning, erklärbare künstliche Intelligenz, eine lebenszyklusweite Nachhaltigkeitsbewertung und ein No-Code-GUI-Tool kombiniert. Dieser Rahmen dient der Vorhersage der Druckfestigkeit von mit Biokohle modifizierten zementären Verbundwerkstoffen (BMCC).

Schema der Klassifizierung von Biomasse-Ressourcen, des Biokohle-Herstellungswegs und des Kohlenstoffsequestrierungsmechanismus

Das Forschungsteam erstellte aus 26 Literaturquellen einen Datensatz mit 482 experimentellen Probensätzen, der 12 zentrale Eingabemerkmale abdeckt, darunter Mischungsverhältnis-Parameter, physikalisch-chemische Eigenschaften von Biokohle und Nachbehandlungsbedingungen. Das Team wählte vier Basis-Lernalgorithmen aus – Random Forest, Extremely Randomized Trees, Gradient Boosting Machine und XGBoost – und konstruierte 10 Konfigurationen von gestapelten Modellen. Die Hyperparameter-Optimierung erfolgte mittels Gittersuche und fünffacher Kreuzvalidierung, wobei das SM-8-Modell (XGB+ETR+RF-Kombination) als optimale Architektur identifiziert wurde.

Häufigkeitsverteilung der einzelnen Eingabe- und Ausgabevariablen im Datensatz

Die Ergebnisse der Modellleistungsvalidierung zeigen, dass das optimale SM-8-Modell im Testdatensatz einen Korrelationskoeffizienten von 0,972, einen Bestimmtheitsmaß von 0,945 und einen mittleren absoluten prozentualen Fehler von nur 7,84 % erreicht. Die Vorhersagegenauigkeit und Generalisierungsfähigkeit sind den einzelnen Basis-Lernalgorithmen deutlich überlegen, bei gleichzeitig geringster Vorhersageunsicherheit. Durch die erklärbare Analyse mittels SHAP und ICE wurde erstmals systematisch geklärt, dass die zentralen Einflussfaktoren für die BMCC-Druckfestigkeit das Nachbehandlungsalter, das Wasser-Bindemittel-Verhältnis, der Fließmittelgehalt und der Zementgehalt sind. Der nichtlineare Einfluss der einzelnen Parameter wurde quantifiziert, und der optimale Biokohle-Gehaltsbereich wurde mit 1 % bis 5 % bestimmt.

Pearson-Korrelationswärmekarte zwischen den Variablen im Datensatz

Ergebnis des Mahalanobis-Ausreißertests für den Datensatz

Ergebnisse der Lebenszyklus-Kohlenstoffemissions- und Kostenanalyse für BMCC

Die Lebenszyklusbewertung zeigt, dass Zement die Hauptquelle für Kohlenstoffemissionen und Kosten von BMCC ist, während Biokohle durch ihre negative Kohlenstoffemissionseigenschaft den Kohlenstoff-Fußabdruck des Systems reduzieren kann. Die Studie schlägt nachhaltige Designrichtlinien für BMCC vor: Der Zementgehalt sollte auf 480 bis 540 kg pro Kubikmeter kontrolliert werden, der Biokohle-Gehalt auf 1 bis 5 Gewichtsprozent. In Verbindung mit einem angemessenen Wasser-Bindemittel-Verhältnis und einer geeigneten Nachbehandlung kann eine Synergie aus hoher Festigkeit, niedrigen Kohlenstoffemissionen und geringen Kosten erreicht werden. Parallel dazu entwickelte das Forschungsteam ein No-Code-GUI-Tool, das Ingenieuren eine One-Click-Festigkeitsvorhersage sowie eine integrierte Bewertung von CO2-Äquivalent und Kosten bietet.

Diese Kurznachricht stammt aus der Übersetzung und Weiterverbreitung von Informationen aus dem globalen Internet und von strategischen Partnern. Sie dient lediglich dem Austausch mit den Lesern. Bei Urheberrechtsverletzungen oder anderen Problemen bitten wir um rechtzeitige Mitteilung, und wir werden die notwendigen Änderungen oder Löschungen vornehmen. Die Weitergabe dieses Artikels ist ausdrücklich ohne formelle Genehmigung verboten.E-Mail: news@wedoany.com