Equipe turca desenvolve estrutura de aprendizado de máquina em pilha para previsão de alta precisão da resistência do cimento com biocarvão
2026-04-22 16:50
Favoritos

Uma equipe de pesquisa conjunta da Universidade Bitlis Eren e da Universidade Inonu, na Turquia, publicou um estudo no *Journal of Cleaner Production*, desenvolvendo uma estrutura de design inteligente integrada que combina aprendizado de máquina em pilha, inteligência artificial explicável, avaliação de sustentabilidade do ciclo de vida e uma ferramenta de interface gráfica de usuário sem código, para prever a resistência à compressão de compósitos cimentícios modificados com biocarvão (BMCC).

Diagrama esquemático da classificação de recursos de biomassa, rota de preparação de biocarvão e mecanismo de sequestro de carbono

A equipe de pesquisa selecionou e construiu um conjunto de dados com 482 amostras experimentais de 26 artigos, cobrindo 12 características de entrada principais, incluindo parâmetros de proporção de mistura, propriedades físico-químicas do biocarvão e regime de cura. A equipe selecionou quatro modelos base de aprendizado: Random Forest, Extra Trees, Gradient Boosting Machine e XGBoost, construindo 10 configurações de modelo em pilha. A otimização de hiperparâmetros foi realizada por meio de busca em grade e validação cruzada de 5 vezes, resultando na seleção do modelo SM-8 (combinação XGB+ETR+RF) como a arquitetura ideal.

Características de distribuição de frequência das variáveis de entrada e saída do conjunto de dados

Os resultados da validação de desempenho do modelo mostraram que o modelo SM-8 ideal alcançou um coeficiente de correlação de 0,972, um coeficiente de determinação de 0,945 e um erro percentual absoluto médio de apenas 7,84% no conjunto de teste. Sua precisão preditiva e capacidade de generalização foram significativamente superiores às dos modelos base individuais, apresentando também a menor incerteza de previsão. Por meio da análise de explicabilidade SHAP e ICE, o estudo esclareceu sistematicamente, pela primeira vez, que os principais fatores de controle da resistência à compressão do BMCC são a idade de cura, a relação água/aglomerante, a dosagem de superplastificante e o consumo de cimento. A influência não linear de cada parâmetro foi quantificada, determinando que a faixa ideal de dosagem de biocarvão é de 1% a 5%.

Mapa de calor da correlação de Pearson entre as variáveis do conjunto de dados

Resultados do teste de valores atípicos pela distância de Mahalanobis no conjunto de dados

Resultados da análise de emissões de carbono e custos do ciclo de vida do BMCC

Os resultados da avaliação do ciclo de vida indicam que o cimento é a principal fonte de emissões de carbono e custos do BMCC, enquanto o biocarvão pode reduzir a pegada de carbono do sistema devido à sua característica de emissão negativa de carbono. O estudo propõe diretrizes de projeto sustentável para o BMCC: controle do consumo de cimento entre 480 e 540 kg por metro cúbico, dosagem de biocarvão de 1% a 5% em peso, combinados com uma relação água/aglomerante e regime de cura adequados, para alcançar alta resistência, baixas emissões de carbono e baixo custo de forma sinérgica. A equipe de pesquisa também desenvolveu uma ferramenta de interface gráfica de usuário sem código, oferecendo aos engenheiros funções de previsão de resistência com um clique, juntamente com a avaliação simultânea de baixo carbono e custo.

Este boletim é uma compilação e reprodução de informações de parceiros estratégicos e da internet global, destinado apenas para troca de informações entre leitores. Em caso de infração ou outros problemas, por favor, informe-nos imediatamente, e este site fará as devidas modificações ou exclusões. A reprodução deste artigo é estritamente proibida sem autorização formal. E-mail: news@wedoany.com