ПОПРАВОЧНЫЙ КОЭФФИЦИЕНТ ДЛЯ ПОДБОРА СОСТАВА ТЯЖЁЛОГО БЕТОНА НА НИЗКОКАЧЕСТВЕННЫХ ЗАПОЛНИТЕЛЯХ
ПОПРАВОЧНЫЙ КОЭФФИЦИЕНТ ДЛЯ ПОДБОРА СОСТАВА ТЯЖЁЛОГО БЕТОНА НА НИЗКОКАЧЕСТВЕННЫХ ЗАПОЛНИТЕЛЯХ
DOI:
https://doi.org/10.22337/2587-9618-2026-22-2-73-87Ключевые слова:
тяжёлый бетон, подбор состава, экспериментальный коэффициент, экспериментальные данные, цементно-водное отношение, база данныхАннотация
В статье исследуется экспериментально-аналитический подход к повышению точности расчёта номинального состава тяжёлого бетона с использованием базы данных протоколов испытаний СВФУ за 2015–2025 гг. Особое внимание уделено работе с низкокачественными заполнителями – песком с модулем крупности менее 1,4. Выявлены существенные расхождения между расчётным и фактическим составами бетона, достигающие ±250 кг/м³. Предложен корректирующий коэффициент, связывающий цементно-водное отношение (Ц/В) с долей заполнителей. Его применение позволило снизить ошибку до ±60–150 кг/м³ и улучшить сходимость результатов до 1,5 % без потери прочности. Показано, что прочность бетона на очень мелких песках (Мкр ≤ 1,4) проявляет повышенную чувствительность к изменению Ц/В отношения в узком диапазоне 1,3–2,7. Расхождение между расчётной и фактической плотностью бетона варьируется в широких пределах, что ведёт к перерасходу материалов и снижает надёжность вычислительных методов подбора состава. Установлено эмпирическое выражение, связывающее варьируемые параметры смеси (водоцементное отношение и долю заполнителей), которое может использоваться в качестве поправочного коэффициента. Без коэффициента диапазон отклонений составлял 1,8–5,0 %, а с его применением – от –0,6 % до 1,5 % без ухудшения свойств бетонной смеси и физико-механических характеристик.
Библиографические ссылки
Rezaev R.O., Dmitriev A.A., Borodulya N.A., Chernyavsky D.V. (2021) Primenenie kompleksnogo podkhoda k optimizatsii proizvodstvennoi smesi na primere tovarnogo betona [Application of a complex approach to the optimization of industrial ready-mixes concrete]. ALITinform: Cement. Concrete. Dry Mixes, vol. 2, no. 63, pp. 42–55. (in Russian)
Ly H.B., Nguyen T.A., Pham B.T. (2022) Investigation on factors affecting early strength of high-performance concrete by Gaussian Process Regression. PLoS ONE, vol. 17, no. 1, pp. e0262930. DOI: 10.1371/journal.pone.0262930.
Ly H.B., Le T.T., Vu H.L.T., Tran V.Q., Le L.M., Pham B.T. (2020) Computational hybrid machine learning based prediction of shear capacity for steel fiber reinforced concrete beams. Sustainability, vol. 12, no. 7, pp. 2709. DOI: 10.3390/su12072709.
Qi C., Ly H.B., Le M.L., Yang X., Guo L., Pham B.T. (2021) Improved strength prediction of cemented paste backfill using a novel model based on adaptive neuro fuzzy inference system and artificial bee colony. Construction and Building Materials, vol. 284, pp. 122857. DOI: 10.1016/j.conbuildmat.2021.122857.
Asteris P.G., Cavaleri L., Ly H.B., Pham B.T. (2021) Surrogate models for the compressive strength mapping of cement mortar materials. Soft Computing, vol. 25, no. 8, pp. 6347–6372. DOI: 10.1007/s00500-021-05626-3.
Sukhobokov A.A., Lakhvich D.S. (2015) Vliyanie instrumentov Big Data na razvitie nauchnykh distsiplin, svyazannykh s modelirovaniem [The Big Data Tools Impact on Development of Simulation-Concerned Academic Disciplines]. Science and Education: Scientific Edition of BMSTU, vol. 3, pp. 207–240. DOI: 10.7463/0315.0761354. (in Russian)
Hasanin T., Khoshgoftaar T.M., Leevy J.L., Seliya N. (2019) Examining characteristics of predictive models with imbalanced big data. Journal of Big Data, vol. 6, no. 1, pp. 69. DOI: 10.1186/s40537-019-0231-2.
Shushpanov A.N., Vasin A.Ya., Raikova V.M. (2024) Raschet parametrov teplovogo vzryva naftokhinondiazidnykh fotorezistov na osnove eksperimental'nykh dannykh [Calculation of thermal explosion parameters of naphthoquinonediazide photoresists based on experimental data]. Occupational Safety in Industry, vol. 9, pp. 43–48. DOI: 10.24000/0409-2961-2024-9-43-48. (in Russian)
Gramuzov E.M., Kalinina N.V., Blinov K.D., Kurkin A.A. (2024) Ispol'zovanie energeticheskogo podkhoda dlya raschetnogo metoda ledovogo soprotivleniya s ispol'zovaniem dannykh model'nykh ispytanii v presnom l'du [The use of an energy approach for the calculation method of ice resistance using model test data in fresh ice]. Marine Intellectual Technologies, vol. 4, no. 3, pp. 34–44. (in Russian)
Eshkulov M.U. (2022) Mnogoparametricheskaya optimizatsiya algoritma obrabotki eksperimental'nykh dannykh transportnykh izmerenii [Multi-parametric optimization of experimental data processing algorithm for transport measurements]. Proceedings of the International Conference "Innovative Solutions to Technical, Engineering and Technological Problems of Production", Uzbekistan, October 2022, pp. 165–167. (in Russian)
Zhukov A.D., Bobrova E.Y., Bessonov I.V., Medvedev A.A., Demissi B.A. (2020) Application of statistical methods for solving problems of construction materials science. Nanotechnologies in Construction, vol. 12, no. 6, pp. 313–319. DOI: 10.15828/2075-8545-2020-12-6-313-319.
Vasil'ev A.S., Nazarova V.P. (2018) Informatsionnaya sistema dlya podbora sostava tyazhyologo betona s protivomoroznymi dobavkami [Information system for designing heavy concrete mix with antifreeze admixtures]. Vestnik Priamurskogo Gosudarstvennogo Universiteta im. Sholom-Aleikhema, pp. 20–27. (in Russian)
Singh S., Nagar R., Agrawal V. (2016) A review on properties of sustainable concrete using granite dust as replacement for river sand. Journal of Cleaner Production, vol. 126, pp. 74–87. DOI: 10.1016/j.jclepro.2016.03.114.
Burenina O.N., Andreeva A.V., Savvinova M.E. (2022) Ispol'zovanie mestnogo mineral'nogo syr'ya Yakutii dlya izgotovleniya betonov povyshennoi prochnosti [Using local mineral raw materials of Yakutia for high-strength concrete production]. Vse Materialy. Encyclopedic Reference, no. 12, pp. 36–42. DOI: 10.31044/1994-6260-2022-0-12-36-42. (in Russian)
Sidorova A.S., Antsupova S.G., Popov A.L. (2020) Fiziko-mekhanicheskie kharakteristiki betona s ispol'zovaniem mestnogo vtorychnogo syr'ya [Physical and mechanical properties of concrete using local secondary raw materials]. Construction Materials, no. 9, pp. 9–14. DOI: 10.31659/0585-430X-2020-784-9-9-14. (in Russian)
Popov A.L., Strokova V.V., Nelyubova V.V. (2018) Osobennosti kompozitsionnogo vyazhushchego na kvarts-polevoshpatovom peske [Features of composite binder based on quartz-feldspar sand]. Construction and industrial safety, vol. 12, no. 64, pp. 63–70. (in Russian)
Sharma R., Jang J.G., Bansal P.P. (2022) A comprehensive review on effects of mineral admixtures and fibers on engineering properties of ultra-high-performance concrete. Journal of Building Engineering, vol. 45, pp. 103314. DOI: 10.1016/j.jobe.2021.103314.
Li Q., Ren Z., Su X., Feng Y., Xu T., Zheng Z., Li P. (2024) Improving sulfate and chloride resistance in eco-friendly marine concrete: alkali-activated slag system with mineral admixtures. Construction and Building Materials, vol. 411, pp. 134333. DOI: 10.1016/j.conbuildmat.2023.134333.
Jiang X., Xiao R., Bai Y., Huang B., Ma Y. (2022) Influence of waste glass powder as a supplementary cementitious material (SCM) on physical and mechanical properties of cement paste under high temperatures. Journal of Cleaner Production, vol. 340, pp. 130778. DOI: 10.1016/j.jclepro.2022.130778.
Concrete Compressive Strength Data Set [Electronic resource]. Kaggle. Available at: https://www.kaggle.com/datasets/elikplim/concrete-compressive-strength-data-set (accessed 07 February 2026)
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 International Journal for Computational Civil and Structural Engineering
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
