Un equipo turco desarrolla un marco de aprendizaje automático apilado para lograr predicciones de alta precisión en la resistencia del cemento con biocarbón
2026-04-22 16:50
Favoritos

Un equipo de investigación conjunto de la Universidad Bitlis Eren y la Universidad Inonu en Turquía publicó un estudio en el Journal of Cleaner Production, desarrollando un marco de diseño inteligente integrado que combina aprendizaje automático apilado, inteligencia artificial explicable, evaluación de sostenibilidad del ciclo de vida y una herramienta de interfaz gráfica de usuario sin código, para predecir la resistencia a la compresión de compuestos cementicios modificados con biocarbón (BMCC).

Diagrama de clasificación de recursos de biomasa, rutas de preparación de biocarbón y mecanismos de secuestro de carbono

El equipo de investigación seleccionó y construyó un conjunto de datos que contiene 482 grupos de muestras experimentales de 26 artículos, cubriendo 12 características de entrada principales, incluyendo parámetros de dosificación, propiedades fisicoquímicas del biocarbón y condiciones de curado. El equipo eligió cuatro modelos base: Random Forest, Extra Trees, Gradient Boosting Machine y XGBoost, para construir 10 configuraciones de modelos apilados. Los hiperparámetros se optimizaron mediante búsqueda en cuadrícula y validación cruzada de 5 pliegues, seleccionando finalmente el modelo SM-8 (combinación XGB+ETR+RF) como la arquitectura óptima.

Distribución de frecuencias de las variables de entrada y salida del conjunto de datos

Los resultados de la validación del rendimiento del modelo muestran que el modelo SM-8 óptimo alcanzó un coeficiente de correlación de 0,972 y un coeficiente de determinación de 0,945 en el conjunto de prueba, con un error porcentual absoluto medio tan bajo como 7,84%. La precisión de la predicción y la capacidad de generalización fueron significativamente superiores a las de los modelos base individuales, al mismo tiempo que presentaba la menor incertidumbre de predicción. Mediante análisis de explicabilidad SHAP e ICE, el estudio identificó por primera vez de manera sistemática los factores controladores principales de la resistencia a la compresión del BMCC: la edad de curado, la relación agua-aglomerante, la dosis de superplastificante y la cantidad de cemento, cuantificando los efectos no lineales de cada parámetro y determinando que el intervalo óptimo de dosis de biocarbón es del 1% al 5%.

Mapa de calor de correlación de Pearson entre las variables del conjunto de datos

Resultados de la prueba de valores atípicos mediante la distancia de Mahalanobis en el conjunto de datos

Resultados del análisis de emisiones de carbono y costos del ciclo de vida del BMCC

Los resultados de la evaluación del ciclo de vida muestran que el cemento es la fuente principal de emisiones de carbono y costos en el BMCC, mientras que el biocarbón, gracias a su propiedad de carbono negativo, puede reducir la huella de carbono del sistema. El estudio propone criterios de diseño sostenible para BMCC: controlar la cantidad de cemento entre 480 y 540 kg por metro cúbico, una dosis de biocarbón del 1% al 5% en peso, combinada con una relación agua-aglomerante y condiciones de curado adecuadas, para lograr una sinergia entre alta resistencia, bajas emisiones de carbono y bajo costo. El equipo de investigación también desarrolló una herramienta de interfaz gráfica de usuario sin código, que proporciona a los ingenieros funciones de predicción de resistencia con un solo clic y una evaluación simultánea de la baja emisión de carbono y el costo.

Este boletín es una compilación y reproducción de información de Internet global y socios estratégicos, y está destinado únicamente a proporcionar a los lectores la comunicación. Si hay infracción u otros problemas, por favor infórmenos a tiempo, este sitio será modificado o eliminado. Toda reproducción de este artículo sin autorización formal está estrictamente prohibida. Correo electrónico: news@wedoany.com