Machine Learning applied to estimate the CO2 emissions in concrete production

Authors

  • Renan Alves Cândido Universidade Estadual Paulista
  • Emerson Felipe Felix Universidade Estadual Paulista

DOI:

https://doi.org/10.46421/enarc.v8i00.3721

Keywords:

CO2 emissions, Mineral admixtures, Construction and demolition waste, Machine learning, Random forests

Abstract

By incorporating mineral additions into the production of concrete, replacing part of the Portland cement, carbon dioxide (CO2) emissions are considerably reduced. This is because cement production represents approximately 8% of global CO2 emissions. In addition to replacing cement, natural aggregates have also been replaced by construction and demolition waste (RCD), ensuring a lower environmental impact on concrete. In this context, the present work arises with the purpose of compiling values ​​of CO2 emissions, from works in the literature, linked to concrete with different additions and different replacement levels of natural aggregates by RCD, and proposing numerical models developed with multiple linear regression and Random Forests. The results demonstrated Random Forests’ efficiency, generating a model with 89.0% accuracy. The proposal presented an average error of 24.22 kgCO2/m³ of concrete, representing an average percentage error of 5.68%.

References

AKBARNEZHAD, A; XIAO, J. Estimation and minimization of embodied carbon of buildings: A review. Buildings, v. 7, n. 1, p. 5, 2017.

BEHNOOD, A.; OLEK, J.; GLINICKI, M. A. Predicting modulus elasticity of recycled aggregate concrete using M5′ model tree algorithm. Construction and Building Materials, v. 94, p. 137-147, 2015.

BREIMAN, L. Random forests. Machine learning, v. 45, p. 5-32, 2001.

CÂNDIDO, T. G. Desempenho de concretos com baixo consumo de ligante. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Civil e Ambiental. Universidade Federal da Paraíba, 2018.

DA SILVA BARBOZA, L.; DE ALMEIDA FILHO, F. M. Concreto autoadensável com baixo consumo de cimento: impacto da redução do consumo de cimento na resistência à compressão. Matéria (Rio de Janeiro), v. 23, 2018.

DA SILVA BARBOZA, L. Estudo sobre o impacto da redução do consumo de cimento no comportamento mecânico do concreto autoadensável. Programa de Pós-Graduação em Estruturas e Construção Civil. Universidade Federal de São Carlos, 2016.

DA SILVA BARBOZA, L.; DE ALMEIDA FILHO, F. M. Estudo sobre redução do consumo de cimento e emissão de CO2 para concreto de alto desempenho. 2015.

DE MATOS, P. R.; JUNCKES, R.; PRUDÊNCIO, L. R. Influência do uso de cinza volante na elevação adiabática de temperatura e resistência à compressão de concretos. Matéria (Rio de Janeiro), v. 24, 2019.

DE SOUZA, R. M.; MAGALHÃES, R. R.; CAMPOS, A. T.; VELOSO, A. V. Modelo neuro-fuzzy para predição das emissões de CO2 de dosagens de concreto para biodigestores na suinocultura. Ambiente Construído, v. 22, p. 321-334, 2022.

DE SOUZA, M. C.; DA SILVA BARBOZA, L.; SARTORI, A. L. Estudo da viabilidade econômica do concreto autoadensável com baixo consumo de cimento. Revista de Engenharia e Tecnologia, v. 11, n. 4, 2019.

EVANGELISTA, L.; DE BRITO, J. Mechanical behaviour of concrete made with fine recycled concrete aggregates. Cement and concrete composites, v. 29, n. 5, p. 397-401, 2007.

FEDUMENTI, M. B. Avaliação da influência da cinza de casca de arroz no comportamento de concretos com agregado reciclado de concreto em relação a propriedades mecânicas e de durabilidade, com ênfase no transporte de íons cloreto. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Civil. Universidade do Vale do Rio dos Sinos, 2013.

FELIX, E. F.; POSSAN, E.; CARRAZEDO, R. A new formulation to estimate the elastic modulus of recycled concrete based on regression and ANN. Sustainability, v. 13, n. 15, p. 8561, 2021.

FELIX, E. F.; POSSAN, E.; CARRAZEDO, R. Artificial Intelligence Applied in the Concrete Durability Study. Hygrothermal Behaviour and Building Pathologies, p. 99-121, 2021.

GUIMARAES, J. P. F. Sílica Ativa e sua contribuição para a sustentabilidade. Artigo Tecnosil, 2009.

ISAIA, G. C.; GASTALDINI, A. L. G. Perspectivas ambientais e econômicas do concreto com altos teores de adições minerais: um estudo de caso. Ambiente Construído, v. 4, n. 2, p. 19-30, 2004.

LEHNE, J; PRESTON, F. Making concrete change. Innovation in Low-carbon Cement and Concrete, 2018.

LEITE, M. B. Avaliação de propriedades mecânicas de concretos produzidos com agregados reciclados de resíduos de construção e demolição. Tese de doutorado. Programa de Pós-Graduação em Engenharia Civil. Universidade Federal do Rio Grande do Sul, 2001.

MEHTA, P. K.; MONTEIRO, P. J. M. Concreto: Estrutura, Propriedades e Materiais. São Paulo, 4a edição. Ed. Ibracon, 2014.

NEHDI, M.; DUQUETTE, J.; EL DAMATTY, A. Performance of rice husk ash produced using a new technology as a mineral admixture in concrete. Cement and concrete research, v. 33, n. 8, p. 1203-1210, 2003.

NUKAH, P. D.; ABBEY, S. J.; BOOTH, C. A.; NOUNU, G. Optimisation of embodied carbon and compressive strength in low carbon concrete. Materials, v. 15, n. 23, p. 8673, 2022.

PETERSEN-ROCKNEY, M. Social risk perceptions of climate change: a case study of farmers and agricultural advisors in northern California. Global Environmental Change, v. 75, p. 102557, 2022.

REAL, R. P. Avaliação da utilização da cinza da casca de arroz como adição mineral em concreto de alto desempenho. Diss.-Cent. Fed. Educ. Tecnológica Minas Gerais. Programa Pós Grad. em Eng. Civil. Belo Horizonte, p. 76, 2018.

RIGO, E. Avaliação do potencial de captura de CO2 de concretos com resíduos de construção e demolição devido à carbonatação. Dissertação de Mestrado, 2019.

SINGH, A.; BERGHORN, G.; JOSHI, S.; SYAL, M. Review of life-cycle assessment applications in building construction. Journal of architectural engineering, v. 17, n. 1, p. 15-23, 2011.

SNIC. Sindicato Nacional da Indústria do Cimento. Relatório Anual. Rio de Janeiro, 2021.

TAM, K.; LEUNG, A. K.‐y; CLAYTON, S. Research on climate change in social psychology publications: A systematic review. Asian Journal of Social Psychology, v. 24, n. 2, p. 117-143, 2021.

THOMAS, K.; HARDY, R. D.; LAZRUS, H.; MENDEZ, M.; ORLOVE, BEN.; COLLAZO, I. R.; ROBERTS, J. T.; ROCKMAN, M.; WARNER, B. P.; WINTHROP, R. Explaining differential vulnerability to climate change: A social science review. Wiley Interdisciplinary Reviews: Climate Change, v. 10, n. 2, p. e565, 2019.

ZHANG, Y.; CHEN, X.; ZHOU, J.; WANG, Q.; LIU, Z.; MA, Z.; HUANG, J. Meso-scale damage characteristics of low carbon concrete with recycled aggregate based on in-situ CT test. Construction and Building Materials, v. 365, p. 130014, 2023.

Published

2023-10-25

How to Cite

Cândido, R. A. ., & Felix, E. F. (2023). Machine Learning applied to estimate the CO2 emissions in concrete production. ENCONTRO NACIONAL DE APROVEITAMENTO DE RESÍDUOS NA CONSTRUÇÃO, 8(00), 1–7. https://doi.org/10.46421/enarc.v8i00.3721

Similar Articles

1 2 3 4 5 6 7 8 9 10 > >> 

You may also start an advanced similarity search for this article.