RMR重磅学者｜美国摩根州立大学Derrick Mirindi博士：机器学习赋能废旧轮胎混凝土设计，精准预测抗拉与抗折性能

背景：随着城市化发展，混凝土需求增长导致天然骨料消耗和废旧轮胎堆积问题日益突出。将废旧轮胎橡胶作为混凝土骨料替代材料，可实现固废资源化利用并改善混凝土韧性等性能，但橡胶掺量变化会影响混凝土力学性能，如何快速准确预测性能是工程应用的关键科学问题。研究目的：美国摩根州立大学Derrick Mirindi博士基于17项研究数据构建废旧轮胎混凝土数据库，利用决策树（DT）、高斯过程（GP）和XGBoost三种机器学习算法，预测混凝土劈裂抗拉强度（ft）和抗折强度（fb），并通过Pearson相关分析、k折交叉验证及不确定性分析评估模型性能。结论：XGBoost在两类性能预测中表现最佳，R²分别达到0.9048和0.9503，揭示了橡胶掺量与力学性能的负相关关系以及抗压强度与抗拉、抗折性能的正相关关系。研究为废旧轮胎混凝土智能配合比优化和性能预测提供了数据驱动范式，但数据规模有限导致模型存在过拟合问题，未来需扩充数据以提升稳定性。