土耳其Bitlis Eren大学与Inonu大学联合研究团队在《Journal of Cleaner Production》发表研究，开发了一套融合堆叠机器学习、可解释人工智能、全生命周期可持续性评估与零代码图形用户界面工具的一体化智能设计框架，用于预测生物炭改性水泥基复合材料（BMCC）的抗压强度。

研究团队从26篇文献中筛选构建了含482组实验样本的数据集，覆盖配合比参数、生物炭理化特性及养护制度等12项核心输入特征。团队选取随机森林、极端随机树、梯度提升机及XGBoost四种基学习器，构建10种堆叠模型配置，通过网格搜索与五折交叉验证完成超参数优化，最终筛选出SM-8模型（XGB+ETR+RF组合）为最优架构。

模型性能验证结果显示，最优SM-8模型测试集相关系数达0.972、决定系数为0.945，平均绝对百分比误差低至7.84%，预测精度与泛化能力显著优于单一基学习器，同时具备最低的预测不确定性。通过SHAP与ICE可解释性分析，研究首次系统明确了BMCC抗压强度的核心主控因素为养护龄期、水胶比、减水剂掺量与水泥用量，量化了各参数的非线性影响规律，确定生物炭最优掺量区间为1%至5%。

全生命周期评估结果表明，水泥是BMCC碳排放与成本的核心来源，而生物炭凭借负碳排放特性可降低体系碳足迹。研究提出BMCC可持续设计准则：水泥用量控制在480至540千克每立方米，生物炭掺量1至5重量百分比，匹配合理的水胶比与养护制度，可实现高强度、低碳排放与低成本的协同。研究团队同步开发了零代码图形用户界面工具，面向工程人员提供一键强度预测、低碳性与成本同步评估功能。