MACHINE LEARNING BASED PREDICTION & OPTIMIZATION OF COMPRESSIVE STRENGTH OF ONE-PART ALKALI ACTIVATED MORTAR. Masters thesis, King Fahd University of Petroleum and Minerals.

	PDF Thesis book 202315850.pdf Restricted to Repository staff only until 29 December 2026. Download (8MB)
	PDF Thesis book 202315850.pdf Restricted to Repository staff only until 29 December 2026. Download (8MB)

Arabic Abstract

العادي (OPC) أكثر مواد البناء استخدامًا على وجه الأرض. وتؤدي صناعة الإسمنت إلى انبعاث كميات كبيرة من ثاني أكسيد الكربون، كما أنها عالية الاستهلاك للطاقة. ويُعدّ استخدام المواد المُفعَّلة قلويًا (Alkali-Activated Materials) أحد الحلول البارزة. ومن بين أنواع الخلطات المُفعَّلة قلويًا، فإن نظام الخلطة أحادية المكوّن (يُضاف إليها الماء فقط) هو الأكثر تشابهًا مع خلطات الإسمنت البورتلاندي العادي، ولديه إمكانات كبيرة لاستبدال OPC في تطبيقات المونة. تتأثر الأنظمة المُفعَّلة قلويًا بدرجة كبيرة بالنِّسَب المولية ومحتوى أكسيد الكالسيوم (CaO)، وكذلك بنسبة الماء إلى الرابط (w/b) ونسبة الرمل إلى الرابط (S/B) وغيرها من معاملات تصميم الخلطة. ومع ذلك، لم تُقيَّم هذه العوامل معًا ضمن إطارٍ تكاملي. وعلى الرغم من إجراء أبحاث واسعة حول المونة المُفعَّلة قلويًا أحادية المكوّن (OPAAM)، فإن الدراسات حول المونة المُفعَّلة قلويًا أحادية المكوّن المعتمدة على البوزولان الطبيعي (NP-OPAAM) ما تزال محدودة جدًا. وبوجهٍ خاص، نادرًا ما استخدمت الأعمال السابقة البوزولان الطبيعي (NP) بوصفه المُكوِّن الأوّلي الرئيس في NP-OPAAM. إضافةً إلى ذلك، لا تتوفر قاعدة بيانات مختبرية قوية مُولَّدة لـ NP-OPAAM، كما لم تُطبَّق بعد أساليب التنبؤ والتحسين المعتمدة على تعلّم الآلة على هذا النظام المادي. وتُعدّ NP-OPAAM بديلًا عمليًا منخفض الكربون لمونة OPC، كما يتوافر البوزولان الطبيعي بكثرة في المنطقة الغربية من المملكة العربية السعودية. في هذه الدراسة، تم تطوير أطر ذكاء اصطناعي متكاملة لترتيب أهمية النِّسَب المولية ونسبة CaO وغيرها من معاملات تصميم الخلطة المتحكمة في مقاومة الضغط لـ OPAAM باستخدام تعلّم آلة تفسيري (SHAP). وتم إنشاء قاعدة بيانات تضم 156 خلطة NP-OPAAM خالية من الإسمنت باستخدام البوزولان الطبيعي (NP) والحجر الجيري (LS) وسيليكات الصوديوم اللامائية (Na2SiO3) كمُفعِّل صلب (SA) ورمل الكثبان، تحت ظروف المعالجة المحيطة. وباستخدام NP وLS وSA و(w/b) و(S/B) كمدخلات، تم تدريب عدة نماذج لتعلّم الآلة للتنبؤ بمقاومة الضغط بعمر 28 يومًا، محققة دقة من مقبولة إلى ممتازة (R² من 0.82 إلى 0.98)، بما في ذلك Elastic Net (0.82) وLightGBM (0.83) وDecision Tree (0.93) وRandom Forest (0.95) وCatBoost (0.97؛ RMSE = 0.65 MPa) وXGBoost (0.97؛ RMSE = 0.62 MPa) وGradient Boosting (0.98؛ RMSE = 0.58 MPa) وNGBoost (0.98؛ RMSE = 0.52 MPa). وتم اختيار CatBoost لمرحلة التحسين نظرًا لاستقراره وسهولة ضبطه وقِصر زمن التشغيل. كما تم ربط دالة انبعاثات مكافئ ثاني أكسيد الكربون من المهد إلى بوابة المصنع (CO2e) المعتمدة على معاملات انبعاث مأخوذة من الأدبيات بتنبؤات CatBoost، ثم جرى تحسينها باستخدام خوارزمية الذئب الرمادي (GWO) والخوارزمية الجينية ذات الفرز غير المتسلط (NSGA-II) لتعظيم المقاومة وتقليل CO2e ضمن حدود عملية. وتم الحصول على أربع خلطات مُحسَّنة. احتوت الخلطة 1 على NP بنسبة 52.28% وزنيًا وLS بنسبة 37.23% وSA بنسبة 10.48% مع w/b = 0.31 وS/B = 2.25، وبلغت كثافة CO2e مقدار 133 kgCO2e/m3؛ وكانت مقاومة الضغط المتوقعة بعمر 28 يومًا 17.58 MPa والقيمة المقاسة 16.87 MPa (خطأ 4.04%). واحتوت الخلطة 2 على NP بنسبة 54.27% وزنيًا وLS بنسبة 36.67% وSA بنسبة 9.01% مع w/b = 0.33 وS/B = 2.35، وبلغت 116 kgCO2e/m3وكانت المقاومة المتوقعة 18.15 MPa والقيمة المقاسة 15.98 MPa (خطأ 11.94%). أما حلول NSGA-II فشملت الخلطة 3 التي احتوت على NP بنسبة 53.76% وزنيًا وLS بنسبة 36.96% وSA بنسبة 9.29% مع w/b = 0.31 وS/B = 2.25، وبلغت 122 kgCO2e/m3؛ وكانت المقاومة المتوقعة 17.92 MPa والقيمة المقاسة 16.03 MPa (خطأ 10.55%). واحتوت الخلطة 4 على NP بنسبة 53.57% وزنيًا وLS بنسبة 35.14% وSA بنسبة 11.29% مع w/b = 0.32 وS/B = 2.25، وبلغت 139 kgCO2e/m3وكانت المقاومة المتوقعة 18.37 MPa والقيمة المقاسة 18.09 MPa (خطأ 1.52%). وأكدت النتائج المخبرية أن جميع المونات المُحسَّنة حققت متطلبات الانسيابية وفق ASTM C270 (110 مم ± 5%). كما أظهرت الخلطة 4 أفضل توافق بين الأداء المتوقع والمقاس مع استيفاء الحد الأدنى لمقاومة مونة النوع M وفق ASTM C270 (17.2 MPa). وبلغت بصمتها الكربونية من المهد إلى بوابة المصنع 139 kgCO2e/m3وهو ما يمثل خفضًا بنسبة 52% مقارنةً بمونة الإسمنت (292.4 kgCO2e/m3). وأكدت حدبات XRD العريضة (من 20° إلى 45°)، بالاقتران مع SEM/EDS، تكوّن جلّات رابطية ذات طبيعة غير متبلورة في الغالب (N-A-S-H وC-A-S-H وN-(C)-A-S-H وC-S-H)، مما يدعم المقاومة وقابلية التشغيل المحققتين لهذه الخلطات منخفضة الانبعاثات والمعالجة في الظروف المحيطة.

English Abstract

Ordinary Portland cement (OPC) is the most widely used construction material on Earth. Cement production emits a large amount of carbon dioxide and is highly energy demanding. Therefore, developing low-carbon binders to reduce reliance on OPC is essential. One prominent solution is alkali-activated material. Among the types of alkali-activated mixes, the one-part (solid activator) also called “just-add-water” system is most similar to OPC-based mixes and has strong potential to replace OPC in mortar applications. Alkali-activated systems are very sensitive to molar ratios and calcium oxide (CaO) content as well as the water-to-binder ratio (w/b), sand-to-binder ratio (S/B) and other mix design parameters. However, these factors had never been evaluated together in an integrated framework. Although substantial research has been conducted on one-part alkali-activated mortar (OPAAM), studies on natural-pozzolan-based one-part alkali-activated mortar (NP-OPAAM) are very limited. In particular, prior work has rarely used natural pozzolan (NP) as the primary precursor for NP-OPAAM and most of the research is for two-part (liquid activator) mix. In addition, no robust laboratory-generated database is available for NP-OPAAM, and machine-learning-based prediction and optimization have not yet been applied to this material system. OPAAM system is a practical low-carbon alternative to OPC based mortar and NP is abundantly available in the western region of Saudi Arabia. In this study, integrated AI frameworks were developed to rank the importance of molar ratios, CaO percentage, and other mix-design parameters governing the compressive strength of OPAAM using explainable machine learning (SHAP) based on data collected from previously published papers. Also, a database of 156 zero-cement NP-OPAAM mixes was developed using NP, limestone (LS), anhydrous sodium silicate (Na2SiO3) as solid activator (SA), and dune sand under ambient curing. Using NP, LS, SA, w/b and S/B as inputs, multiple machine learning models were trained to predict 28-day compressive strength, achieving acceptable-to-excellent accuracy (R² from 0.82 to 0.98), including Elastic Net (0.82), LightGBM (0.83), Decision Tree (0.93), Random Forest (0.95), CatBoost (0.97; RMSE = 0.65 MPa), XGBoost (0.97; RMSE = 0.62 MPa), Gradient Boosting (0.98; RMSE = 0.58 MPa), and NGBoost (0.98; RMSE = 0.52 MPa). CatBoost was selected for optimization due to its stability, ease of tuning, and short runtime. A cradle-to-gate CO2e function (based on literature emission factors) was coupled with CatBoost predictions and optimized using the Grey Wolf Optimizer (GWO) and the Non-dominated Sorting Genetic Algorithm II (NSGA-II) to maximize strength while minimizing CO2e within practical bounds. Four optimized mixes were obtained. Mix 1 contained NP 52.28 wt%, LS 37.23 wt%, and SA 10.48 wt% with w/b = 0.31 and S/B = 2.25, giving a CO2e intensity of 133 kgCO2e/m³; the predicted 28-day compressive strength was 17.58 MPa and the measured value was 16.87 MPa (4.04% error). Mix 2 contained NP 54.27 wt%, LS 36.67 wt%, and SA 9.01 wt% with w/b = 0.33 and S/B = 2.35, giving 116 kgCO2e/m³; the predicted strength was 18.15 MPa and the measured value was 15.98 MPa (11.94% error). For the NSGA-II solutions, Mix 3 contained NP 53.76 wt%, LS 36.96 wt%, and SA 9.29 wt% with w/b = 0.31 and S/B = 2.25, giving 122 kgCO2e/m³; the predicted strength was 17.92 MPa and the measured value was 16.03 MPa (10.55% error). Mix 4 contained NP 53.57 wt%, LS 35.14 wt%, and SA 11.29 wt% with w/b = 0.32 and S/B = 2.25, giving 139 kgCO2e/m³; the predicted strength was 18.37 MPa and the measured value was 18.09 MPa (1.52% error). Laboratory validation confirmed that all optimized mortars satisfied the ASTM C270 flow requirement (110mm±5%). Mix 4 showed the best agreement between predicted and measured performance while meeting the ASTM C270 Type “M” mortar minimum strength requirement (17.2 MPa). Its cradle-to-gate footprint was 139 kgCO2e/m3, representing a 52% reduction versus cement mortar (292.4 kgCO2e/m3). XRD broad humps (20°–45°), coupled with SEM/EDS, confirmed the development of predominantly amorphous binding gels (N-A-S-H, C-A-S-H, N-(C)-A-S-H, and C-S-H), supporting the achieved strength and workability of these low-emission, ambient-cured NP-OPAAM mixes.

Item Type:	Thesis (Masters)
Subjects:	Civil Engineering > Structural Engineering
Department:	College of Design and Built Environment > Civil and Environmental Engineering
Committee Advisor:	Al-Fakih, Amin
Committee Members:	Al-Osta, Mohammed and Mundher Yaseen, Zaher
Depositing User:	JAWAD KHALIL (g202315850)
Date Deposited:	29 Dec 2025 10:33
Last Modified:	29 Dec 2025 10:33
URI:	http://eprints.kfupm.edu.sa/id/eprint/143932