基于检测数据更新的混凝土碳化深度预测.docVIP

基于检测数据更新的混凝土碳化深度预测 　　摘要：混凝土碳化深度预测模型及模型参数的选择均存在不可忽略的主观不确定性和随机性，应用于实际工程时存在显著的误差，而实际检测数据往往样本数量少、缺乏足够的完备性而不能用于实际工程中混凝土碳化深度的预测。以几个碳化深度预测模型计算结果的加权平均值来预测混凝土碳化深度，用贝叶斯方法结合检测信息和先验预测模型，更新预测模型权重的概率分布和相应模型分布参数的概率分布，采用更新后的模型权重和参数后验分布，可以更加准确地对结构的碳化规律进行评估和预测。以一个10 a期自然碳化试验结果为例，验证了本方法的有效性。 　　关键词：混凝土；碳化；贝叶斯更新；检测信息 　　中图分类号：TU528.01 　　文献标志码：A 　　文章编号：1674-4764（2013）03-0070-05 　　Carbonation Depth Prediction of Concrete Structures 　　Based on Inspection Data 　　Liu Junli1，2， Fang Zhi1 　　（1. School of Civil Engineering， Hunan University， Changsha 410082， P. R. China； 　　2. Guangxi Key Laboratory of Geomechanics and Geotechnical Engineering， 　　Guilin University of Technology， Guilin 541004， Guangxi， P. R. China ） 　　Abstract： 　　There are subjective uncertainty and randomness in concrete carbonation depth forecasting model and the model distribution parameters， which cause significant errors in application to practical engineering. Actual inspection data can not often be used to forecast concrete carbonation depth in the actual project due to its small sample size and lack of sufficient completeness. The weighted value of several model calculations was used to forecast the concrete carbonation depth. By using Bayesian approach， the inspection information and the prior prediction model were incorporated， and the prior model weights and model distribution parameters statistics were updated. It is more accurate to forecast the carbonation depth using the updated model weights and model distribution parameters. The procedure for updating the mechanical model selection and distribution parameter statistics was illustrated with a 10-year-long concrete carbonation test. 　　Key words： 　　concrete； carbonation； Bayesian updating； inspection information 　　在一般大气环境中，混凝土碳化是导致钢筋锈蚀的主要原因之一。混凝土碳化机理的研究已比较充分，但混凝土碳化受多种因素影响，如水泥品种和用量、水灰比、混凝土的养护、混凝土强度等级和环境因素等[1-2]。国内外学者从不同角度提出了许多混凝土碳化深度预测模型，牛荻涛等[1]以抗压强度为主要参数，考虑浇筑面、角部位置、工作应力、环境温度和湿度等因素影响，提出一个半理论半经验随机模型；张誉等[2]以水灰比和水泥用量为主要参数，并通过快速碳化试验数据对模型进行了修正，建立了一个既有理