摘要
基于我国目前的“双碳”战略和大宗固废急需资源化利用的背景，本论文的研究重点从以下三点开展:（1）从熟料替代方面寻求创新和突破，推动混凝土绿色低碳化技术的实施，构建力学性能良好的粉煤灰基胶凝材料和粉煤灰掺杂型混凝土的设计理论与方法;（2）通过机器学习方法，探索理论预测-实验验证-应用示范这一新材料研发模式，提升粉煤灰基混凝土材料的耐久性;（3）使用低碳胶凝材料代替水泥制备混凝土，减少水泥用量，为工业固废的资源化利用、绿色低碳技术的推广和应用提供理论支持和技术指导。为此我们开展了以下三个方面的工作: 首先，本文对不同粉煤灰掺量净浆的力学性能及水化过程进行分析，以此为参考加入偏高岭土、脱硫石膏和炉渣共同进行正交试验设计，通过极差和方差分析，确定影响因素最强为炉渣，最弱为偏高岭土。采用XRD、SEM、孔结构表征方法，分析粉煤灰基胶凝材料的微观结构，进而从微观角度揭示粉煤灰基材料的宏观力学性能的演化过程，探讨水化产物C-S-H凝胶和5-10nm良性孔占比对材料宏观力学性能的影响机制，实验结果显示:C-S-H胶体和钙矾石的扩散、生长有利于胶体结构的交织，5-10nm良性孔占比的提升，改善了粉煤灰35％掺量试件的微孔结构，该试件力学性能可达纯水泥试件的71％和58％,经过不同龄期的养护，材料抗压强度从3d的14.6MPa提升为28d的34.83MPa,使材料力学性能最终可达到C30标准。 其次，本文分析了多参数目标的三种机器学习算法，对相对抗压强度进行预测，误差范围准确地控制在±20％内，表明随机森林(RF)模型具有最好的预测效果，因素相关性也与前文微观分析得出的结论一致。 最后，以抗氯离子侵蚀为研究对象，利用随机森林模型(Random forest RF)、梯度提升回归模型(Gradient boosting machines GBR)和决策树模型(Decision tree DT)对粉煤灰混凝土经过氯离子侵蚀后的总氯离子含量进行预测，探究并预测粉煤灰基质材料的耐久性。通过对比误差范围、对照参数和正态分布，结果发现:三种机器学习算法预测效果存在一定的差异性，其中RF算法最好，其预测性能最稳定和最准确，因素相关性与前文微观分析得出的结论相符，耐久性能可通过降低渗透率、改善体系中离子含量、减弱环境对结构侵蚀和延长使用寿命得以提升。
NETL