Probabilistische berekeningsformule voor de druksterkte van ultra-high-performance beton met grof toeslagmateriaal op basis van feature engineering en genetische programmering

Steviger, slimmer beton voor de praktijk

Moderne steden vertrouwen op beton voor alles van bruggen tot wolkenkrabbers. Een bijzondere klasse, ultra-high-performance beton, is opmerkelijk sterk en duurzaam maar ook duur en lastig te ontwerpen. Deze studie bekijkt een betaalbaarder variant die grover grind en steen bevat, en stelt een nieuwe manier voor om vóór het storten de verwachte sterkte te voorspellen. Door laboratoriumtests te combineren met een soort evolutionaire zoekmethode en probabilistische methoden, willen de auteurs ingenieurs een eenvoudige maar betrouwbare formule geven die zowel sterkte als onzekerheid vastlegt.

Waarom robuust beton nog steeds betere recepten nodig heeft

Ultra-high-performance beton dankt zijn reputatie aan zeer hoge sterkte, taaiheid en weerstand tegen vijandige omstandigheden, maar deze voordelen hebben een prijs. Veel van de kosten en prestaties hangen af van staalvezels en fijne minerale ingrediënten. Om dit materiaal praktischer te maken voor grootschalige projecten, hebben onderzoekers varianten ontwikkeld die ook grovere steen gebruiken, bekend als grof toeslagmateriaal. Deze mengsels zijn goedkoper en nog altijd veel sterker dan gewoon beton, maar ingenieurs missen een duidelijke receptenboek: er is geen algemeen aanvaarde formule die uitlegt hoe veranderingen in steenhoeveelheid, steensoort en vezelgehalte de druksterkte beïnvloeden. Bestaande onderzoeken bekijken doorgaans één variabele tegelijk en geven alleen puntschattingen, zonder te tonen hoe onzeker die voorspellingen kunnen zijn.

Een datagedreven maar transparante formule opbouwen

De auteurs hebben 35 series kubieke proefstukken gegoten en getest, gemaakt van ultra-high-performance beton met verschillende hoeveelheden en typen grof steen en variërende volumes staalvezels. Alle andere ingrediënten bleven constant om de effecten van deze drie sleutelkenmerken te isoleren. Eerst gebruikten ze een neuraal netwerk als screeningsinstrument om te meten hoeveel elk ingrediënt de sterkte beïnvloedde, en vonden dat het vezelgehalte het belangrijkst was, gevolgd door de totale hoeveelheid grof steen, terwijl steensterkte en -grootte kleinere rollen speelden. Vervolgens schakelden ze over op een benadering genaamd genetische programmering, waarbij een computer eenvoudige wiskundige uitdrukkingen ‘evolueert’, en die behoudt en verfijnt die het beste bij de testdata passen. Dit proces leverde een compacte vergelijking op die de druksterkte koppelt aan drie inputs: steenhoeveelheid, steensterkte en vezelvolume.

Van één getal naar een omvang van mogelijkheden

Beton in de praktijk is nooit perfect homogeen: grondstoffen variëren, uithardingscondities verschillen, en elk datagedreven model is onvermijdelijk getraind op een beperkte set proeven. Om deze realistische onzekerheid vast te leggen, upgrade het team hun formule naar een probabilistisch model. In plaats van de constanten in de vergelijking als vast te beschouwen, lieten ze ze variëren volgens kansverdelingen en gebruikten ze Bayesiaanse bijwerking en Monte Carlo-sampling om deze verdelingen uit de testresultaten af te leiden. Het resultaat is dat het model voor een willekeurige combinatie van steen- en vezelgehaltes niet slechts één sterktewaarde oplevert. Het levert een volledige verdeling en een betrouwbaarheidsinterval — smal bij zekerdere voorspellingen en breder waar de data of het gedrag minder eenduidig zijn.

Wat sterkte bepaalt en hoe factoren samenwerken

Met deze probabilistische formule verkenden de onderzoekers hoe de ingrediënten samenwerken. Binnen het geteste bereik verhoogt meer grof steen over het algemeen de sterkte, en deze trend kan benaderd worden als bijna lineair, ook al is deze wiskundig exponentieel. Het vervangen van zwakkere kalksteen door sterkere basalt verhoogt de sterkte, maar slechts met enkele megapascals vergeleken met de veel grotere winst door het toevoegen van staalvezels. Het vezelgehalte toont een patroon met snel rendement: de sterkte neemt snel toe zodra vezels worden toegevoegd, en blijft daarna stijgen maar in een langzamer tempo. De analyse laat ook zien dat het verhogen van één gunstige factor (zoals vezelgehalte) het positieve effect van de andere factoren (zoals steenhoeveelheid of steenkwaliteit) versterkt, waarbij vezels de sterkste versterkende invloed uitoefenen.

Waarom onzekerheid toeneemt met sterkte

Een intrigerende bevinding is dat hoger voorspelde sterktes vaak gepaard gaan met grotere onzekerheid. Naarmate steenhoeveelheid, steensterkte of vezelvolume toenemen, stijgt niet alleen de gemiddelde voorspelde druksterkte, maar wordt ook de spreiding van het betrouwbaarheidsinterval groter. In de praktijk betekent dit dat de meest ambitieuze, hoogst-sterkte mengsels de grootste voorzichtigheid en veiligheidsmarges vergen. De auteurs betogen dat het koppelen van een heldere, compacte vergelijking aan expliciete onzekerheidsbanden een praktisch kader biedt voor het ontwerpen van ultra-high-performance beton met grof toeslagmateriaal. Ingenieurs kunnen niet alleen een streefsterkte aflezen maar ook een conservatieve “ontwerpwaarde” kiezen uit de ondergrens van de voorspelde reikwijdte, wat hen helpt prestatie, kosten en betrouwbaarheid in echte projecten af te wegen.

Bronvermelding: Guo, R., Niu, J., Li, D. et al. Probabilistic calculation formula for the compressive strength of ultra-high-performance concrete with coarse aggregate based on feature engineering and genetic programming. Sci Rep 16, 8458 (2026). https://doi.org/10.1038/s41598-026-38878-w

Trefwoorden: ultra-high-performance beton, druksterkte, grof toeslagmateriaal, staalvezels, probabilistische modellering