Mjesto: otok Vis
Datum: 16. – 19. rujna 2026.
Organizatori: Institut društvenih znanosti Ivo Pilar i VERN’
Poster: „Sustainable Cementitious Composites with Recycled Materials and Data-Driven Optimisation”
Autori: Marijana Hadzima-Nyarko, Antonija Ereš, Josip Radić, Emmanuel Karlo Nyarko
U okviru 6. međunarodne multidisciplinarne znanstvene konferencije MIC – Vis 2026 (Mediterranean Islands Conference), održane od 16. do 19. rujna 2026. na otoku Visu, predstavljen je poster pod nazivom „Sustainable Cementitious Composites with Recycled Materials and Data-Driven Optimisation”. Autori rada su Marijana Hadzima-Nyarko, Antonija Ereš i Josip Radić s Građevinskog i arhitektonskog fakulteta Osijek te Emmanuel Karlo Nyarko s Fakulteta elektrotehnike, računarstva i informacijskih tehnologija Osijek, a istraživanje je provedeno u okviru projekta IM4StEM, sufinanciranog sredstvima programa Erasmus+. Konferenciju organiziraju Institut društvenih znanosti Ivo Pilar i VERN’, a posvećena je položaju, ulozi i razvoju mediteranskih otoka.
Održiva gradnja usmjerena je na smanjenje potrošnje prirodnih resursa te recikliranje i ponovnu uporabu građevinskog otpada. Potresi u Hrvatskoj (Petrinja, 2020.) i Turskoj (Kahramanmaraş, 2023.) proizveli su velike količine otpada, što naglašava potrebu za recikliranjem drobljene opeke i njezinom ponovnom uporabom u novim mješavinama. Budući da tradicionalni deterministički modeli teško obuhvaćaju heterogenost materijala i nelinearne utjecaje, u radu su primijenjene metode strojnog učenja za predviđanje tlačne čvrstoće betona nakon 28 dana.
Analizirana je eksperimentalna baza od 156 uzoraka mikrobetona s agregatom od drobljene opeke, opisanih sa sedam ulaznih varijabli – vodocementnim omjerom, količinom cementa, količinom sitnog i krupnog agregata, udjelom otpada u sitnom i krupnom agregatu te oblikom uzorka – i tlačnom čvrstoćom kao izlaznom veličinom. Podaci su podijeljeni na skup za učenje (80 %) i neovisni skup za testiranje (20 %), a uspoređena su četiri modela: umjetne neuronske mreže (ANN), stablo odlučivanja (DT), slučajna šuma (RF) i XGBoost.
Rezultati su pokazali da se povećanjem udjela drobljene opeke smanjuju konzistencija mješavine, zbog većeg upijanja vode, te vlačna i tlačna čvrstoća, ali da mješavine s većim udjelom recikliranog materijala zadržavaju zadovoljavajuća mehanička svojstva za ziđe u potresno aktivnim područjima. Najbolju sposobnost generalizacije pokazala je umjetna neuronska mreža (R² = 0,962 na skupu za testiranje), dok je XGBoost, unatoč gotovo savršenom slaganju na skupu za učenje (R² = 0,990), na novim podacima ostvario R² = 0,790, što upućuje na pretreniranost složenijih modela. Analiza SHAP pokazala je da na tlačnu čvrstoću najviše utječu količina cementa (pozitivno) i udio otpada u krupnom agregatu (negativno).
Istraživanje potvrđuje da je drobljena opeka tehnički prihvatljiva i ekološki opravdana zamjena za prirodni agregat te da objašnjivi modeli strojnog učenja mogu poslužiti kao pouzdan alat za kontrolu kvalitete i optimizaciju sastava mješavina, čime se potiče primjena načela kružnog gospodarstva u građevinarstvu. Sudjelovanje na multidisciplinarnoj konferenciji MIC – Vis 2026 omogućilo je predstavljanje rezultata projekta IM4StEM široj znanstvenoj zajednici i razmjenu znanja s istraživačima iz različitih područja.
