董健苗,马东楊,顾业明,邹明璇,梁康,何其,韩金

• 1:广西科技大学土木建筑工程学院
• 2:广西柳钢环保股份有限公司

摘要(Abstract)：

利用不锈钢渣与矿渣制备不锈钢渣掺合料，开展其抗碳化性能试验。通过X射线衍射（XRD）、扫描电子显微镜（SEM）及气孔结构分析等手段对不锈钢渣水泥基材料的组成及微观形貌进行表征，结合力学性能研究其对碳化性能的影响，并建立碳化深度非线性回归预测模型。研究结果表明，随着不锈钢渣掺合料掺量的增加，水泥基材料的碳化深度增大，其中掺量为70%(T5组)试件的56 d碳化深度达21.5 mm，是空白组的3.4倍。微观结构分析表明，不锈钢渣掺合料掺量的增加导致水泥基材料孔隙增多。综合力学性能、碳化性能及微观结构分析，建议不锈钢渣掺合料掺量控制在50%以内。碳化深度预测模型的均方根误差（RMSE）为0.975 56 mm，平均绝对误差（MAE）为0.730 68 mm，决定系数（R~2）为0.911 42，表明该模型模拟值与实测值吻合良好，模型可信度高。

关键词(KeyWords)： 不锈钢渣掺合料;不锈钢渣水泥基材料;碳化性能;微观结构;非线性回归预测模型

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目（51568009）;; 广西高校防灾减灾与预应力技术重点实验室开放基金项目（GXKDTJ005）资助

作者(Author): 董健苗,马东楊,顾业明,邹明璇,梁康,何其,韩金

DOI: 10.16375/j.cnki.cn45-1395/t.2026.03.006

参考文献(References)：

• [1]张鑫，张梅，郭敏.不锈钢渣高温改性-析晶调控解毒研究现状及发展趋势[J].工程科学学报，2023,45(4):577-589.
• [2]HOLAPPA L,KEKKONEN M,JOKILAAKSO A,et al.A review of circular economy prospects for stainless steelmaking slags[J]. Journal of Sustainable Metallurgy,2021,7(3):806-817.
• [3]樊金涛.热化学高温重构制备不锈钢渣水泥及其性能研究[D].桂林：桂林理工大学，2023.
• [4]QIU F,WANG W S,CHEN G,et al. A sustainable method for chromium recovery from synthesized stainless steel slags[J]. Journal of Sustainable Metallurgy,2023,9(1):66-72.
• [5]ZHANG H W,HONG X. An overview for the utilization of wastes from stainless steel industries[J]. Resources,Conservation and Recycling,2011,55(8):745-754.
• [6]李玉.含铬钢渣中铬的选择性析出与强化分离[D].北京：北京科技大学，2023.
• [7]吴春丽，陈哲，谢红波，等.不锈钢渣的资源处置研究进展[J].材料导报，2021,35(S1):462-466.
• [8]QIAO B,ULLAH K,WU Z X,et al. Mechanism and property optimization of stainless steel slag for preparation of cementitious materials[J]. Construction and Building Materials,2024,411:134645.
• [9]DE COLLE M,PUTHUCODE R,KARASEV A,et al.A study of treatment of industrial acidic wastewaters with stainless steel slags using pilot trials[J]. Materials,2021,14(17):4806.
• [10]倪亚峰，黄小青.不锈钢渣在水泥混凝土中应用进展[J].建材发展导向(下)，2019,17(10):23-25.
• [11]吴春丽，谢红波，陈哲，等.不锈钢渣理化性质分析与应用研究[J].硅酸盐通报，2018,37(4):1225-1230.
• [12]沈月，周亚辉，贾璐，等.利用不锈钢渣制备微晶玻璃的研究进展[J].硅酸盐通报，2024,43(1):347-353.
• [13]兰树伟，张志伟，洪奥越，等.不锈钢渣资源综合利用研究现状[J].冶金工程，2019,6(1):34-39.
• [14]FAN W D,YANG Q W,GUO B,et al. Crystallization mechanism of glass-ceramics prepared from stainless steel slag[J]. Rare Metals,2018,37(5):413-420.
• [15]张华，傅大宝，王本俊，等.不锈钢渣掺量对碱矿渣-不锈钢渣砂浆抗裂性能的影响[J].河北工程大学学报(自然科学版)，2023,40(2):71-76.
• [16]倪亚峰.掺不锈钢渣尾泥对水泥水化及抗侵蚀性能的影响研究[D].柳州：广西科技大学，2021.
• [17]PARK B , MOON E J , CHOI Y C. Investigation of microstructure and mechanical performance of carboncapture binder using AOD stainless steel slag[J].Construction and Building Materials,2020,242:118174.
• [18]ROSALES J,AGRELA F,D??AZ-L??PEZ J L,et al. Alkaliactivated stainless steel slag as a cementitious material in the manufacture of self-compacting concrete[J]. Materials,2021,14(14):3945.
• [19]郭寅川，黄忠财，王文真，等.湿热环境下SAP内养生混凝土抗碳化性能及机理研究[J].建筑材料学报，2022,25(1):16-23.
• [20]李竹.山核桃蒲壳生物炭混凝土基本力学性能及抗碳化性能研究[D].杭州：浙江科技学院，2023.
• [21]国家市场监督管理总局，中国国家标准化管理委员会.水泥胶砂强度检验方法(ISO法)：GB/T 17671—2021[S].北京：中国标准出版社，2021.
• [22]中华人民共和国住房和城乡建设部，国家市场监督管理总局.普通混凝土长期性能和耐久性能试验方法：GB/T50082—2024[S].北京：中国建筑工业出版社，2024.
• [23]王晟，梅军鹏，谢佳诚，等.三异丙醇胺对钢渣水泥体系力学性能和水化特性的影响[J].建筑材料学报，2024,27(11):977-985.
• [24]杨义，谭波，李育林，等.基于碱激发下精炼钢渣水稳基层材料制备及性能[J].桂林理工大学学报，2022,42(4):905-909.
• [25]胡雷，陈平，刘荣进，等.钢渣粉-矿粉-磷渣粉三元复掺对混凝土电通量的影响[J].桂林理工大学学报，2021,41(2):391-396.
• [26]崔孝炜，倪文，狄燕清.钢渣矿渣及全固废胶凝材料的化学活化[J].硅酸盐通报，2018,37(4):1411-1417.
• [27]贾耀东.大掺量矿物掺合料混凝土的碳化特性研究[D].北京：清华大学，2010.
• [28]ZHAO J H,LI Z H,WANG D M,et al. Hydration superposition effect and mechanism of steel slag powder and granulated blast furnace slag powder[J]. Construction and Building Materials,2023,366:130101.
• [29]元强，张胶玲，张苏辉，等. CO2矿化再生骨料物理性能影响因素与机理[J].建筑材料学报，2024,27(10):895-903.
• [30]王习，张云升，张宇，等. CTF增效剂提升混凝土抗冻性能研究[J].材料导报，2024,38(19):62-68.
• [31]WANG X S,HUANG F,CHENG Y H. Computational performance optimization of support vector machine based on support vectors[J]. Neurocomputing,2016,211:66-71.
• [32]UTKIN L V,KONSTANTINOV A V,CHUKANOV V S,et al. A weighted random survival forest[J]. KnowledgeBased Systems,2019,177:136-144.
• [33]ISRAELI A , ROKACH L , SHABTAI A. Constraint learning based gradient boosting trees[J]. Expert Systems with Applications,2019,128:287-300.
• [34]KOOKALANI S,CHENG B,TORRES J L C. Structural performance assessment of GFRP elastic gridshells by machine learning interpretability methods[J]. Frontiers of Structural and Civil Engineering,2022,16(10):1249-1266.
• [35]TRUONG V H,PAPAZAFEIROPOULOS G,VU Q V,et al. Predicting the patch load resistance of stiffened plate girders using machine learning algorithms[J]. Ocean Engineering,2021,240:109886.
• [36]AHMAD I,BASHERI M,IQBAL M J,et al. Performance comparison of support vector machine,random forest,and extreme learning machine for intrusion detection[J]. IEEE Access,2018,6:33789-33795.
• [37]CHEN C Q,XUE X H. A novel hybrid intelligent model for the prediction of creep coefficients based on random forest and support vector machine[J]. Ocean Engineering,2022,266:113191.
• [38]AN C,PARK Y W,AHN S S,et al. Radiomics machine learning study with a small sample size:single random training-test set split may lead to unreliable results[J]. PLoS One,2021,16(8):e0256152.
• [39]SU M Y,FENG G Q,LIU Z H,et al. Tapping on the black box:how is the scoring power of a machine-learning scoring function dependent on the training set?[J]. Journal of Chemical Information and Modeling,2020,60(3):1122-1136.

文章评论(Comment)：

序号(No.) 时间(Time) 反馈人(User) 邮箱(Email) 标题(Title) 内容(Content)

反馈人(User) 邮箱地址(Email) 反馈标题(Title) 反馈内容(Content)