近日，哈尔滨工业大学刘洋和袁杰团队在ENGINEERING Structure and Civil Engineering期刊上发表了题为“Mechanical properties of magnesium phosphate cement based ultra-high-performance concrete prepared at negative temperatures: A prediction model based on adaptive weighted stacking”的研究论文。该研究针对寒冷地区用磷酸镁水泥基超高性能混凝土（MPC-UHPC）的配合比设计问题，提出了一种自适应加权堆叠（AW-stacking）模型，通过量化基学习器的预测误差，实现对负温下MPC-UHPC抗折强度（FS）和抗压强度（CS）的高精度预测，其决定系数（R2）分别达到0.917和0.935，显著优于任何单一模型。研究同时揭示，钢纤维掺量和环境温度分别为影响FS和CS的主导因素。
图1.研究流程图
负温条件下的“四大变数”
超高性能混凝土（UHPC）用于寒冷地区抢修时，硅酸盐水泥需保温养护，难以满足需求；而磷酸镁水泥（MPC）因具有快硬早强特性且活化能低，更具应用潜力。因此，MPC-UHPC被视为寒冷地区关键基础设施灾后重建和战时紧急修复的理想材料。然而，现有MPC-UHPC的配合比多基于常温经验，且实验室条件往往难以精确模拟天然严寒环境，这可能导致MPC-UHPC力学性能的发展偏离预期，进而增加试配设计的时间和成本。
与常温条件相比，MPC-UHPC在负温下的力学性能受到更广泛因素的影响。例如：
常温条件测试温度通常维持在20℃，而环境温度的降低会减缓MPC的水化速率，改变鸟粪石的形态和孔结构分布，从而影响其宏观性能；
常温条件下通常避免使用轻烧氧化镁（LBM），以防止MPC过快凝固硬化，但在负温下，LBM可增强反应体系活性，促进MPC持续水化；
使用碎冰或碎雪替代拌和水是提高紧急维修项目效率的有效手段；
不同材质模具导热系数各异，在负温条件下，模具导热性能会影响浇筑后的散热速率，进而影响MPC-UHPC的早期水化过程。
图2.负温下制备的MPC-UHPC力学性能数据分布：（a）FS；（b）CS
图3.数据集中特征的皮尔逊相关系数（PCC）矩阵：（a）FS；（b）CS。
数据库构建与基学习器优选
研究团队基于公开文献构建了负温条件下制备的MPC-UHPC力学性能数据库。在评估的12种机器学习模型中，随机森林（RF）、极端梯度提升（XGB）、CatBoost（CB）和LightGBM（LGB）被确定为预测负温下MPC-UHPC力学性能的最优基学习器组合，其预测精度和泛化能力均优于传统线性模型和支持向量回归（SVR）模型。
图4.基学习器示意图
图5.AW-stacking策略流程图
精准预测，优化配合比
研究团队采用增强型灰狼优化器（EGWO）对基学习器的超参数进行优化，并构建了AW-stacking模型。该模型对负温制备的MPC-UHPC力学性能实现了高精度预测，FS和CS的预测决定系数R2分别达到0.917和0.935，均方根误差（RMSE）分别降低至1.43和6.42，与精度最高的基学习器EGWO-CB相比，分别进一步降低了20.6%和22.4%，显著提升了MPC-UHPC力学性能的整体预测精度。同时，通过完全未参与训练的外部测试集进一步验证了该模型的泛化能力（外部测试R2分别为0.904和0.922）。
图6.AW-stacking模型预测力学性能的散点图：（a）FS；（b）CS。
为深入阐明关键输入参数与力学性能之间的关系，研究团队采用沙普利加性解释（SHAP）分析方法。SHAP全局特征重要性分析表明，环境温度（T）是负温条件下CS的主要决定因素，而钢纤维体积分数（Vf）则是FS的主导因素。此外，两种力学性能均显著受养护龄期影响且呈正相关；类似地，水灰比（W/C）对力学性能具有显著的负向影响。
SHAP分析为MPC-UHPC配合比设计中复杂的平衡关系提供了关键见解。结果表明，在负温条件下，采用尽可能低的W/C和硼砂/镁砂比（B/M）、增加Vf以及用LBM替代死烧氧化镁（DBM），是实现优异力学性能的关键策略。然而，上述参数调整必须与确保新拌状态工作性能合理的实际约束条件相平衡。此外，随着环境温度降低，MPC-UHPC的养护时间应适当延长。
图7.MPC-UHPC的FS与前6个输入特征的相关性：(a) Vf；(b) 龄期；(c) W/C；(d) 长径比（L/D）；(e) 镁磷比（M/P）；(f) B/M。
图8.MPC-UHPC的CS与前6个输入特征的相关性：(a) T；(b) 龄期；(c) W/C；(d) Vf；(e) B/M；(f) LBM/M。
应用前景与未来展望
该研究成果为严寒地区MPC-UHPC的力学性能预测提供了一种可靠的定量工具，并为优化硬化状态性能的配合比提供了强有力的指导。有望为我国严寒地区桥梁快速修复、机场跑道应急抢通及极地科考站建设等场景提供关键的材料设计与性能预测支撑，推动MPC-UHPC从实验室走向工程现场。未来研究的重点方向之一是将这些关键的多维性能指标纳入数据库，以开发更全面的多目标预测框架。（来源：EngineeringJournals微信公众号）
相关论文信息：
https://journal.hep.com.cn/fsce/EN/10.1007/s11709-026-1304-x
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
