Carbon footprint reduction and performance optimization of sustainable free cement concrete with eggshell powder and rice husk ash using machine learning

Document Type : Original Article

Authors

1 Evaluation of Nat. Resources Dep., Environmental Studies and Research Institute, University of Sadat City, Egypt

2 Department of Civil Engineering, Higher Future Institute of Engineering and Technology in Mansoura, Egypt

3 Civil and Architectural Construction Department, Faculty of Technology and Education, Suez University, Egypt

Abstract

This article explores the performance and carbon footprint reduction of geopolymer mortar (GM) that incorporates eggshell powder (ESP) and rice husk ash (RHA) as sustainable alternatives to traditional binders. Using response Surface Methodology (RSM), ESP and RHA were added at volumetric percentages from 0% to 30% as partial replacements for GGBS. The experimental findings revealed that the inclusion of RHA and ESP significantly enhances compressive strength, particularly at optimal dosages, with the highest recorded strength reaching 48 MPa. RSM effectively predicted compressive strength values, aligning well with experimental data. Furthermore, machine learning models, including Gaussian Process Regression (GPR), Artificial Neural Networks (ANN), and Gradient Boosting (GB), were employed to analyze the compressive strength predictions, with GPR demonstrating superior accuracy. An ecological assessment indicated that using RHA and ESP can lower CO₂ emissions compared to traditional materials, thereby promoting more sustainable construction practices. Finally, the dataset of 606 compressive strength results validated the effectiveness of the GPR, ANN, and GB models, all showing high predictive accuracy (R² > 0.85), with the GPR model outperforming the others.

Keywords

Article Title [العربیة]

تقليل البصمة الكربونية وتحسين أداء الخرسانة الأسمنتية الحرة المستدامة باستخدام مسحوق قشر البيض ورماد قشر الأرز باستخدام التعلم الآلي

Authors [العربیة]

  • محمود عبد اللطيف 1
  • Mohamed Abdellatief 2
  • عزت الفضالي 1
  • حسن حمودة 3
1 معهد الدراسات والبحوث البيئية، جامعة مدينة السادات، مصر
2 قسم الهندسة المدنية، معهد المستقبل العالي للهندسة والتكنولوجيا بالمنصورة، مصر
3 كلية التكنولوجيا والتربية، جامعة السويس، مصر
Abstract [العربیة]

يدرس هذا المقال الأداء والحد من البصمة الكربونية لملاط الجيوبوليمر (GM) الذي يشتمل على مسحوق قشر البيض (ESP) ورماد قشر الأرز (RHA) كبدائل مستدامة للمواد الرابطة التقليدية. باستخدام منهجية سطح الاستجابة (RSM)، تمت إضافة ESP وRHA بنسب حجمية من 0٪ إلى 30٪ كبدائل جزئية لـ GGBS. كشفت النتائج التجريبية أن إدراج RHA وESP يعزز بشكل كبير من قوة الضغط، وخاصة عند الجرعات المثلى، مع أعلى قوة مسجلة تصل إلى 48 ميجا باسكال. تنبأت RSM بفعالية بقيم قوة الضغط، بما يتماشى جيدًا مع البيانات التجريبية. علاوة على ذلك، تم استخدام نماذج التعلم الآلي، بما في ذلك الانحدار الغاوسي للعملية (GPR) والشبكات العصبية الاصطناعية (ANN) وتعزيز التدرج (GB)، لتحليل تنبؤات قوة الضغط، مع إظهار GPR دقة فائقة. أشار التقييم البيئي إلى أن استخدام RHA وESP يمكن أن يخفض انبعاثات ثاني أكسيد الكربون مقارنة بالمواد التقليدية، وبالتالي تعزيز ممارسات البناء الأكثر استدامة. أثبتت مجموعة البيانات المكونة من 606 نتائج لقوة الضغط فعالية نماذج GPR وANN وGB، حيث أظهرت جميعها دقة تنبؤية عالية (R² > 0.85)، مع تفوق نموذج GPR على النماذج الأخرى

Keywords [العربیة]

  • الذكاء الاصطناعى
  • الخلطة الجيوبوليميرية
  • بودرة قشر البيض
  • رماد قشر الارز

Files

Share

How to cite

Statistics