在可持续建筑快速发展的今天玄武岩纤维因其高强、环保、耐腐蚀等优势正成为水泥基复合材料中的“新宠”。然而水泥孔隙溶液中的强碱性环境pH 12会如何影响它的长期性能不同类型的碱、不同的浓度和时间又会带来怎样的差异这篇来自《Fibers》期刊2025年的研究系统对比了NaOH、KOH、Ca(OH)₂三种碱性溶液对玄武岩纤维的影响并结合响应面法RSM与五种机器学习模型实现了对拉伸性能的精准预测与工艺优化。以下是这篇论文的干货解读。一、研究背景碱性环境是玄武岩纤维的“隐形杀手”玄武岩纤维由天然火山岩熔融拉丝制成具备良好的力学性能和较低的环境负荷。然而当它被用于水泥基材料中时孔隙溶液中的OH⁻离子会攻击纤维的Si-O-Si网络结构导致纤维降解、强度下降。过去研究多聚焦于NaOH溶液对KOH和Ca(OH)₂的研究较少且缺乏系统性对比。因此不同碱、不同浓度、不同时间对纤维性能的影响机制仍不清晰。二、研究目的本研究旨在评估三种碱NaOH、KOH、Ca(OH)₂在不同浓度5、15、30 g/L和时间7、14、28天下对玄武岩纤维的降解行为使用响应面法RSM建立拉伸强度的预测模型比较五种机器学习模型的预测性能提出最优处理条件提升纤维在碱性环境中的耐久性。三、研究方法实验 RSM ML实验设计材料玄武岩纤维原始强度860.11 MPa处理条件3种碱 × 3种浓度 × 3种时间 27组表征手段拉伸测试、SEM、DSC、TGA、重量损失建模方法RSM建立二次回归模型分析参数交互作用ML模型TRF、FMP、Lazy IBK、Meta Bagging、FSMOreg四、研究过程与重要图表分析1. 原始纤维状态图6 原文位置Page 11, Figure 6表面光滑无明显缺陷原始拉伸强度860.11 MPa2. 重量损失图7 原文位置Page 12, Figure 7a-cNaOH最严重28天/30g/L下损失达8%KOH损失较小最大4%Ca(OH)₂初期损失小28天后显著增加7%表现为延迟降解解读NaOH的OH⁻离子更易渗透纤维网络破坏Si-O-Si结构。3. 拉伸强度变化图9 原文位置Page 14, Figure 9a-cNaOH持续下降从995 MPa降至304 MPaKOH波动较大存在短期“恢复”现象Ca(OH)₂在15g/L/7天时达到最高988 MPa但随后急剧下降解读Ca(OH)₂可能形成临时保护层如CaSiO₃但长期仍会降解。4. 弹性模量变化图10 原文位置Page 15, Figure 10a-cNaOH明显下降KOH随时间和浓度增加模量有所上升Ca(OH)₂低浓度下稳定高浓度长期暴露后下降5. RSM优化结果图15 原文位置Page 22, Figure 15a-d最优条件Ca(OH)₂5 g/L7天最大拉伸强度938.94 MPa期望值0.92最高6. 机器学习模型对比图16 原文位置Page 24, Figure 16a-c模型相关系数 (CC)RMSE表现FSMOreg0.928181.94最优FMP0.845184.01良好Meta Bagging0.843220.33一般TRF0.785183.91中等Lazy IBK0.626213.82最差解读FSMOreg基于SVM回归在处理小样本、非线性问题上具有天然优势适合材料性能预测。五、研究重难点重点系统对比三种碱对玄武岩纤维的影响建立RSM ML的联合预测框架提出Ca(OH)₂环境下的“临时保护层”机制难点纤维表面微观结构与力学性能之间的机制解释小样本条件下ML模型的泛化能力保障碱类型、浓度、时间的非线性交互作用建模六、研究结论Ca(OH)₂对玄武岩纤维的破坏最小适合用于水泥基材料NaOH破坏最严重KOH居中碱浓度和暴露时间是影响拉伸强度的主要因素RSM二次模型能有效描述参数交互作用FSMOreg模型预测精度最高CC0.928适合用于纤维耐久性预测。七、未来展望延长实验时间28天观察长期降解行为引入温度、湿度等环境变量开发更复杂的深度学习模型如LSTM、GNN结合微观力学模拟与多尺度建模构建更完整的纤维降解预测系统。写在最后这项研究不仅为玄武岩纤维在碱性环境中的耐久性评估提供了系统的实验数据也展示了机器学习在材料科学中的强大潜力。如果你也在从事纤维增强复合材料、碱激发材料或可持续建筑材料的研究这篇文章的思路和方法值得借鉴。 如需原文或补充材料可访问https://www.mdpi.com/2079-6439/13/10/137注更多关于机器学习水泥基的前沿知识小编之前有推荐可以详查置顶文章ai-MOFs预测筛选技术与机器学习水泥基复合材料应用综述如果您觉得文章不错欢迎点赞、关注、收藏及转发~