摘要
氯离子侵蚀是导致钢筋混凝土结构耐久性劣化的主要因素。准确预测时变氯离子扩散系数对于长期结构耐久性评估至关重要。传统的经验模型，包括幂函数模型（PFM）和平方根倒数模型（ISRM），往往存在拟合精度不足和 extrapolation 稳定性差的问题，而反向传播神经网络（BPNN）尽管具有较高的样本内拟合性能，却容易产生严重的过拟合和振荡预测曲线。为克服上述局限性，本研究结合幂函数和双曲线函数，提出了一种新的假设性修正曲线模型（MCM），以全面描述混凝土中氯离子扩散的时变衰减特性。采用四组具有不同材料组成和养护龄期的实验数据集对模型进行验证。结果表明，在所考察的条件下，所提出的MCM在整体性能上优于其他对比模型。对于案例1，与PFM和ISRM相比，MCM分别将平均拟合误差降低了24.67%和35.16%，并在150天时实现了12.9%的低外推误差。对于案例2，MCM保持了16.5%的稳定预测误差，显著低于PFM的48.2%和ISRM的66.4%。对于案例3和案例4，MCM的确定系数分别达到0.9943和0.9815，外推误差极低，仅为7.2%和0.2%。相比之下，尽管BPNN在某些情况下具有较高的拟合精度，但其拟合曲线波动不规则，且外推预测精度远低于MCM。在模型的有效时间范围内，MCM表现出稳定的泛化性和卓越的综合性能，为预测混凝土的长期氯离子扩散行为提供了一种可靠的方法。
