Integratie van machine learning en microstructurele karakterisering voor sterktevoorspelling met silica fume en M-zand voor duurzaam beton

Sterker, groener beton voor de steden van morgen

Beton is de ruggengraat van moderne gebouwen, bruggen en wegen — maar de productie ervan heeft een hoge ecologische prijs, vooral door cementproductie en het ontginnen van rivierzand. Deze studie onderzoekt hoe beton tegelijk sterker en duurzamer kan worden gemaakt door industriële bijproducten in het mengsel op te nemen en geavanceerde rekenmodellen te gebruiken om de prestaties te voorspellen. Het resultaat is een samenstelling die niet alleen het gebruik van traditionele materialen vermindert, maar ook sterker en langer houdbaar beton oplevert voor toekomstige constructies.

Hergedenken van wat er in beton gaat

In plaats van uitsluitend te vertrouwen op gewoon cement en natuurlijk rivierzand, ontwierpen de onderzoekers zes verschillende betonrecepturen. Elk gebruikte 10% vliegas (een fijn poeder uit kolencentrales), variërende hoeveelheden silicafume (een zeer fijn bijproduct van siliciumproductie), en verving rivierzand volledig door geproduceerd zand — gebroken gesteente dat is bewerkt om natuurlijk zand na te bootsen. Deze ingrediënten werden in zorgvuldig gecontroleerde verhoudingen gecombineerd en vervolgens in blokken, cilinders en balken gegoten. Het team testte hoe elk mengsel bestand was tegen druk, trek en buiging na 7, 28 en 90 dagen uitharding, waarmee ze het proces nabootsten waarin beton in de praktijk in de loop van de tijd zijn sterkte ontwikkelt.

De juiste balans vinden voor sterkte

Alle aangepaste betons mengsels presteerden ten minste even goed als het standaardmengsel, en sommige waren duidelijk beter. Het opvallende recept bevatte 10% vliegas, 12% silicafume en 100% geproduceerd zand. In vergelijking met het referentiemengsel leverde deze samenstelling een toename van de druksterkte van ongeveer 17% na 28 dagen en 20% na 90 dagen, met vergelijkbare verbeteringen in trek- en buigsterkte. Niet-destructieve ultrasone tests toonden aan dat dit beton niet alleen sterker was maar ook van uitstekende interne kwaliteit, met snellere voortplanting van geluidsgolven door zijn dichtere structuur. De onderzoekers constateerden echter ook dat het toevoegen van te veel silicafume (18–24%) de voordelen begon te verminderen, wat aantoont dat er een optimaal venster is in plaats van een regel “meer is altijd beter”.

Inzoomen op het beton op microschaal

Om te begrijpen waarom het beste mengsel zich zo goed gedroeg, keek het team in het verharde beton met behulp van elektronenmicroscopen en thermische analyse. Beelden van de interne microstructuur toonden aan dat vliegas en silicafume helpen een dicht, lijmachtig netwerk te vormen dat zand en aggregate strakker aan elkaar bindt, met minder poriën en scheurtjes. Chemische scans bevestigden dat de balans tussen calcium en silicium verschoof naar een samenstelling die bekend staat om het vormen van bijzonder stabiele bindende gels. Thermische tests, waarbij kleine monsters langzaam werden verhit, lieten zien hoe water en andere componenten vrijkomen, en koppelden gewichtsveranderingen aan het afbraakgedrag van belangrijke interne fasen. Samen toonden deze onderzoeken aan dat het optimale mengsel een compact, goed verbonden intern skelet produceert dat bestand is tegen schade en het doordringen van water en andere stoffen die beton doorgaans na verloop van tijd verzwakken vertraagt.

Machines het beste recept laten leren

Aangezien laboratoriumtests van vele betonmengsels tijdrovend en kostbaar zijn, wendden de onderzoekers zich ook tot machine learning om de sterkte te voorspellen op basis van de ingrediënten en de uithardingstijd. Met slechts 54 zorgvuldig gemeten gegevenspunten uit hun experimenten trainden ze meerdere soorten algoritmen om te voorspellen hoe sterk een bepaald recept zou zijn. De best presterende aanpak, een methode genaamd gradient boosting, reproduceerde gemeten sterktes met zeer hoge nauwkeurigheid en kwam bijna overeen met de testresultaten voor 7, 28 en 90 dagen. Andere ensemblemodellen deden het ook goed, terwijl een eenvoudige lineaire methode moeite had, wat het belang onderstreept van het vastleggen van complexe, niet-lineaire relaties tussen materialen en sterkte. Analyse van kenmerkbelang liet zien dat uithardingstijd de belangrijkste factor voor sterkte was, maar dat de aanwezigheid van silicafume, vliegas en geproduceerd zand ook zinvolle ondersteunende rollen vervulde.

Wat dit betekent voor toekomstige bouw

Voor niet-specialisten is de belangrijkste conclusie dat het mogelijk is beton te ontwerpen dat zowel groener als beter presteert door industriële bijproducten en geconstrueerde zanden slim te combineren en vervolgens computermodellen te gebruiken om het aantal proeven en fouten te verminderen. De studie identificeert een praktische samenstelling — met 10% vliegas, 12% silicafume en volledige vervanging van rivierzand door geproduceerd zand — die sterker, dichter en duurzamer beton oplevert zonder het cementgehalte te verhogen. Gecombineerd met betrouwbare machine-learningtools kan deze aanpak bouwers en ingenieurs helpen sneller naar duurzame bouwpraktijken te bewegen, terwijl de veiligheid en levensduur van onze gebouwde omgeving behouden blijven of zelfs verbeteren.

Bronvermelding: Chaitanya, B.K., Sri Durga, C.S., Thatikonda, N. et al. Integration of machine learning and microstructural characterization for strength forecasting with silica fume and M-sand for sustainable concrete. Sci Rep 16, 8858 (2026). https://doi.org/10.1038/s41598-026-43410-1

Trefwoorden: duurzaam beton, vliegas, silicafume, geproduceerd zand, machine learning