Innovative optimization of seashell ash-based lightweight foamed concrete: Enhancing physicomechanical properties through ANN-GA hybrid approach
Notice bibliographique
Résumé
Abstract This study presents a novel approach to sustainable construction by utilizing three types of seashell ashes, namely, oyster shell ash (OSA), scallop shell ash (SSA), and mussel shell ash (MSA), as partial replacements for cement in lightweight foamed concrete (LFC). This novel application of aquaculture waste as an additive enhances the creation of more sustainable and resilient construction materials for urban settings. The physicomechanical properties of LFC, such as compressive strength (CS), flexural strength (FS), split tensile strength (STS), water absorption (WA), and porosity ( P ), were assessed utilizing response surface methodology (RSM) and artificial neural network (ANN) with K -fold cross-validation. The research examines the influence of additive type (OSA, SSA, MSA), curing duration (7–28 days), and additive concentration (0–30%) on the characteristics of LFC. Analysis of variance indicated that curing time exerted the most substantial effect on CS, FS, and STS, but additive content had a more pronounced impact on WA and P . The findings indicated favorable enhancements in CS, FS, and STS with curing durations of 28 days and additive concentrations between 4 and 20%. Replacing cement with OSA, SSA, and MSA showed favorable benefits on LFC characteristics. The predictive effectiveness of the DNN-IGWO, ANN, RSM, and Support vector machine models was evaluated using several error metrics, including mean absolute deviation, mean absolute percentage error, root mean square error, and coefficient of determination ( R 2 ). The results showed that the hybrid DNN-IGWO model outperformed all other approaches, providing significantly higher accuracy across all attributes studied. Moreover, the incorporation of evolutionary algorithms utilizing DNN-IGWO models facilitated the discovery of optimal solutions for the multi-objective optimization of LFC properties. The optimization exposed intrinsic trade-offs between targets, such as CS vs WA and CS vs P , underscoring the necessity for meticulous equilibrium in the optimization process. This study constitutes a notable advancement in sustainable development goals in construction materials by improving concrete characteristics through the incorporation of seashell ash and sophisticated optimization methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».