增强钢筋混凝土结构腐蚀评估的数据驱动方法
机器学习
2020-07-03 v1
摘要
腐蚀是影响钢筋混凝土结构耐久性的主要问题。全球每年因腐蚀相关的钢筋混凝土结构维护与修复花费数十亿美元。腐蚀通常由二氧化碳和/或氯离子侵入混凝土孔隙引发。使用传统模型估算这些腐蚀致因因素会导致次优评估，因为它们无法捕捉参数间的复杂相互作用。湿热相互作用也会加剧钢筋腐蚀，通常通过施加表面防护系统来应对。这些系统具有不同程度的防护能力，甚至可能无意中导致结构劣化。本论文的总体目标是提供一个框架，以增强腐蚀控制因素评估的可靠性。该框架通过开发数据驱动的碳化深度、氯离子分布和湿热性能预测模型来实现。碳化深度预测模型集成了神经网络、决策树、提升和装袋集成决策树。基于集成树的氯离子分布预测模型从多个角度评估了氯离子侵入控制变量的重要性。湿热相互作用预测模型使用神经网络开发，以评估表面处理混凝土构件中的腐蚀状态和其他意外劣化。所有模型的长期数据均来自三个不同的现场实验。所开发的碳化深度预测模型与传统模型的性能比较证实了数据驱动模型的预测优越性。变量...
引用
@article{arxiv.2007.01164,
title = {Data-Driven Method for Enhanced Corrosion Assessment of Reinforced Concrete Structures},
author = {Woubishet Zewdu Taffese},
journal= {arXiv preprint arXiv:2007.01164},
year = {2020}
}