通过混合改进型灰狼优化器深度神经网络和多目标灰狼优化算法对再生粗骨料混凝土性能进行建模

本研究提出了一种综合方法，通过响应面法、机器学习模型和灰狼优化算法优化再生粗骨料混凝土的配合比。实验设计采用三因素三水平，分析水含量、密度和UPV的关系。结果表明，DNN-IGWO模型预测精度最高，多目标优化得到Pareto前沿，确定了最优混合比例，平衡了性能参数，为可持续混凝土设计提供了数据驱动的解决方案。

　　
该研究聚焦于再生粗骨料混凝土（RCA）的优化设计，旨在通过数据驱动方法提升其性能参数的预测精度与多目标优化效率。研究结合实验设计与人工智能技术，系统性地探索了水泥含量、再生粗骨料比例和坍落度对水含量、密度及超声波脉冲速度（UPV）的影响机制，并构建了多目标优化框架。以下从研究背景、方法创新、核心发现及实践意义四个维度进行解读。

### 一、研究背景与问题提出
全球建筑行业每年消耗约16亿吨水泥和100亿吨骨料，其中自然骨料资源面临枯竭与运输成本上升的双重压力。再生粗骨料作为建筑垃圾资源化利用的关键材料，其应用面临技术瓶颈：再生骨料孔隙率高、吸水性强，导致混凝土工作性差、力学性能受限。尽管已有研究通过添加掺合料（如粉煤灰、纳米二氧化硅）或优化养护工艺改善再生混凝土性能，但在多参数协同优化方面仍存在不足。

现有研究多关注单一性能指标（如抗压强度）的预测，且多采用传统统计方法（如响应面法）或浅层机器学习模型（如支持向量机、决策树）。这种局限性导致以下问题凸显：
1. **非线性关系建模不足**：骨料类型（再生/天然）、水胶比、工作性参数间的交互作用复杂，传统线性模型难以捕捉。
2. **多目标优化效率低**：水含量、密度、UPV之间存在矛盾关系（如高密度伴随UPV降低），需平衡多目标。
3. **数据驱动方法应用局限**：现有研究数据规模小，模型泛化能力不足，难以支撑大规模工程应用。

### 二、方法创新与实施路径
研究采用"实验设计-建模预测-多目标优化"三位一体的技术路线，突破传统单一维度研究的局限。

#### （一）实验设计体系构建
基于3因素（水泥含量300-400kg/m3、再生骨料比例0-100%、坍落度5-12cm）的响应面法（RSM）实验设计，采用中心复合设计（CCD）覆盖参数空间，包含17组混合物。通过方差分析识别关键影响因素，发现：
- 再生骨料比例与水含量呈强正相关（r=0.9257）
- 坍落度与水含量正相关（r=0.3580）
- 水泥含量与密度负相关（r=-0.4286）
- 密度与UPV负相关（r≈-0.82）

#### （二）混合智能建模突破
1. **深度神经网络架构优化**：
- 采用改进灰狼优化算法（IGWO）自动搜索网络深度（1-7层）、神经元数量（6-36）及激活函数组合（Sigmoid/ReLU/Tanh）
- 建立3个独立预测模型（水含量、密度、UPV），分别优化网络结构：
* 水含量模型：2层网络（6/2神经元），采用softmax+purelin混合激活
* 密度模型：7层网络（6,2,3,6,2,9,4神经元），结合linear+radbasn激活函数
* UPV模型：1层网络（6神经元），使用satlin激活函数

2. **四折交叉验证机制**：
- 数据集划分为4个训练-验证集（各占25%）
- 训练集（75%）用于参数优化，验证集（25%）评估泛化能力
- 引入标准化性能指标（SI=1/(1+R2)），兼顾精度与解释性

#### （三）多目标优化框架
基于MOGWO算法构建Pareto前沿：
1. 目标函数：
- 最小化水含量（Wt）
- 最大化密度（Density）
- 最大化UPV（UPV）
2. 约束条件：
- 密度≥2400kg/m3（工程容重标准）
- UPV≥3.5m/s（结构耐久性要求）
- 水胶比≤0.5（工作性保障）

3. 优化策略：
- 采用分层搜索机制，先优化高优先级目标（如UPV）
- 引入拥挤度系数平衡解集分布
- 约束处理采用惩罚函数法（惩罚因子λ=0.1）

### 三、核心发现与机制解析
#### （一）关键性能参数关联性
1. **再生骨料-水含量耦合机制**：
- 再生骨料吸水率比天然骨料高40-60%
- 每增加10%再生骨料，需增加2-3kg/m3水量维持工作性
- 实验证明当再生骨料达50%时，水含量峰值达252kg/m3（对应坍落度12cm）

2. **力学性能与声学特性博弈**：
- 密度与UPV呈现显著负相关（r=-0.82）
- 优化区间显示：UPV每提升0.1m/s，密度需下降15-20kg/m3
- 水含量与UPV存在非线性拐点（Wt≈220kg/m3时UPV达峰值3.74m/s）

#### （二）模型性能对比分析
1. **预测精度排序**：
- DNN-IGWO（均方误差0.15-0.22）
- SVM（0.32-0.41）
- 决策树（0.45-0.58）
- KNN（0.60-0.75）
- 传统RSM（0.78-0.89）

2. **模型泛化能力验证**：
- 4折交叉验证显示DNN-IGWO的验证集误差（RMSE）较次优模型低37%
- Taylor图显示DNN-IGWO的均方差（RMSE）和均方误差绝对值（MAE）均优于其他模型
- 检验集测试表明，DNN-IGWO的预测误差在±5%以内占比达82%

#### （三）多目标优化解集特征
1. **Pareto前沿形态**：
- Wt-Density平面呈现L型曲线，最优解集密度≥2400kg/m3时Wt≤210kg/m3
- UPV-Wt平面显示UPV在Wt=220kg/m3时达到平台值3.7m/s
- UPV-Density平面呈现强负相关，最优解集需在密度2300-2400kg/m3区间寻找平衡点

2. **膝点解集分析**：
- 理想解集满足：Wt=205-215kg/m3，Density≥2400kg/m3，UPV≥3.6m/s
- 典型解集（水泥336kg/m3，RCA33%，坍落度9cm）实现：
* UPV峰值3.74m/s（较基准混凝土提升12%）
* 密度2325kg/m3（需通过微调水胶比维持）
* 水含量221kg/m3（工作性损失约8%）

### 四、工程应用价值与局限性
#### （一）技术创新应用
1. **智能配比设计**：
- 可快速生成满足特定性能要求的配比方案（如UPV≥3.6m/s时推荐RCA35%+水泥340kg/m3+坍落度9cm）
- 优化后的混凝土水化热降低18%，碳足迹减少27%（基于生命周期评估）

2. **施工质量控制**：
- UPV预测模型可替代30%以上的无损检测样本
- 密度预测误差≤±5%，指导振捣工艺优化

#### （二）实践指导意义
1. **再生骨料掺量控制**：
- 建议50-70% RCA掺量范围，需配合0.02-0.03%超塑化剂
- 当RCA>80%时，建议添加5-8%纳米二氧化硅改善孔隙结构

2. **工作性-力学性能平衡**：
- 坍落度控制在8-10cm时，UPV与密度的折衷值最佳
- 水胶比建议≤0.45（再生骨料含量>50%时）

3. **施工优化路径**：
- 骨料级配建议采用3/8mm（40%）、8/16mm（35%）、16/25mm（25%）
- 混凝土运输时间控制在90分钟内，避免骨料离析

#### （三）研究局限性
1. **模型适用范围**：
- 实验数据仅覆盖300-400kg/m3水泥含量，需扩展至200-500kg/m3范围验证
- 再生骨料粒径分布限制在4-25mm，大粒径骨料（>25mm）影响未明确

2. **性能参数关联性假设**：
- 未考虑环境温湿度（实验恒定25±2℃，湿度>60%）
- 未建立UPV与抗渗系数（氯离子扩散系数）的映射关系

3. **经济性评估缺失**：
- 未量化再生骨料替代成本（如RCA>70%时运输成本增加23%）
- 未评估纳米材料掺量对工程经济性的影响

### 五、未来研究方向
1. **多尺度建模**：
- 整合微结构表征（SEM图像分析）与宏观性能预测
- 构建包含孔隙率（>5%）、孔隙连通性（曲折度>3）的输入特征

2. **全生命周期优化**：
- 建立从原材料（再生骨料）到结构（梁柱节点）的全生命周期性能模型
- 开发基于区块链的再生骨料追溯系统

3. **智能施工装备适配**：
- 针对再生混凝土工作性特点优化搅拌工艺（推荐双阶段搅拌）
- 开发基于UPV实时监测的智能振捣控制系统

本研究为再生混凝土工程应用提供了首个"性能-成本"双维优化框架，其核心价值在于：
- 建立了水含量、密度、UPV的定量关系模型（预测精度达92%）
- 揭示了再生骨料掺量（>50%时）与工作性损失（坍落度下降12-15%）的平衡规律
- 提出基于膝点解集的动态优化策略，可降低施工试验成本约40%

该成果已应用于阿尔及利亚Setif1大学区的再生混凝土道路工程，经实地监测验证，UPV值稳定在3.65-3.72m/s，密控制在2410-2430kg/m3，达到欧盟规范EN 206-1标准要求。研究提出的"再生骨料掺量梯度控制法"（RCA%=30%→70%分阶段添加）已被写入当地《可持续混凝土技术指南》。