بهینه‌سازی چندهدفه مخلوط‌های بتن کم‌کربن با بهره‌گیری از یادگیری ماشین و الگوریتم‌های ژنتیک

بهینه‌سازی چندهدفه مخلوط‌های بتن کم‌کربن با بهره‌گیری از یادگیری ماشین و الگوریتم‌های ژنتیک

بهار سالاری1

1) فارغ التحصیل کارشناسی مهندسی عمران

کد IOI مقاله : ABEB-ACZFKE
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    بتن پرمصرف‌ترین ماده ساختمانی جهان است و تولید سیمان حدود 8 تا 10 درصد از انتشار جهانی CO2 را به خود اختصاص می‌دهد. کاهش کربن نهفته بتن بدون افت مقاومت و دوام، مسئله‌ای چندهدفه و غیرخطی است که روش آزمون‌وخطا در حل آن ناکارآمد است. این مقاله با رویکرد مروری–تحلیلی، هفت پژوهش منتشرشده در سال 2026 را که یادگیری ماشین (ML)، الگوریتم‌های ژنتیک (GA) و ارزیابی چرخه عمر (LCA) را برای طراحی مخلوط بتن کم‌کربن به کار برده‌اند، مقایسه می‌کند. مطالعات بررسی‌شده بتن خودتراکم حاوی خاکستر بادی، بتن با سنگدانه بازیافتی، بتن فوق‌توانمند (UHPC)، بتن بازیافتی چاپ‌شده سه‌بعدی و یک مرور نظام‌مند را دربرمی‌گیرند. یافته‌ها نشان می‌دهد الگوی غالب «مدل جانشین ML + بهینه‌سازی تکاملی چندهدفه (به‌ویژه NSGA-II) + تصمیم‌گیری چندمعیاره» است؛ سیمان در همه مطالعات مهم‌ترین عامل کربن نهفته است؛ و دقت پیش‌بینی مقاومت از R2 برابر 0.33 در پایگاه‌های چندمنبعی ناهمگن تا 0.997 در پایگاه‌های همگن تغییر می‌کند. کاهش‌های کربن گزارش‌شده (از 13 تا 40 درصد) به مبنای مقایسه و نوع کاربرد وابسته‌اند. اعتبارسنجی برون‌مطالعه‌ای، کمّی‌سازی عدم‌قطعیت و محدودکردن جواب‌ها به ناحیه معتبر داده، الزامات کلیدی استقرار عملی شناسایی شدند. در پایان، یک گردش‌کار گام‌به‌گام برای طراحی مخلوط بتن کم‌کربن پیشنهاد می‌شود. واژگان کلیدی: بتن کم‌کربن؛ بهینه‌سازی چندهدفه؛ یادگیری ماشین؛ الگوریتم ژنتیک؛ NSGA-II؛ ارزیابی چرخه عمر؛ کربن نهفته.

کلمات کلیدی : ۱ بتن کم‌کربن ۲ بهینه‌سازی چندهدفه ۳ یادگیری ماشین ۴ الگوریتم ژنتیک ۵ ارزیابی چرخه عمر ۶ کربن نهفته