面向FRCM-混凝土界面粘结性能的数据增强概率框架:不确定性量化与可解释性分析

《ADVANCED ENGINEERING INFORMATICS》:Innovative uncertainty-aware probabilistic framework for quantification of fiber-reinforced cementitious matrix-concrete bond

【字体: 大 中 小 】 时间:2026年04月24日 来源:ADVANCED ENGINEERING INFORMATICS 9.9

编辑推荐:

  本研究针对FRCM-混凝土界面粘结强度预测中数据稀缺及不确定性量化缺失的问题,集成CTGAN/TVAE合成数据生成、BNN/NGBoost概率建模及SHAP可解释性分析,构建了高精度预测模型(测试MAPE≈7.61%)并开发了DAB-FRCM在线设计软件,为结构加固提供风险感知决策支持。

  

当AI遇见土木工程:如何让老建筑“穿”上智能防护服?

在城市的天际线下,无数钢筋混凝土建筑正默默经历着“中年危机”。老化、环境侵蚀以及日益严苛的抗震标准,让“拆旧建新”变得既不经济也不环保。于是,工程界的目光投向了加固改造——给老建筑“穿”上一层坚固的“防护服”。
传统的“防护服”材料是纤维增强聚合物(FRP),它轻便且强度高,但有个致命弱点:依赖环氧树脂胶。这种胶水怕火、怕水、怕极端温度,且有毒。相比之下,纤维增强水泥基复合材料(FRCM) 成为了更优解。它用水泥基矩阵替代了环氧树脂,与混凝土基体“脾性相投”,不仅耐高温、透气,还能在潮湿表面施工,被誉为更耐久、更可持续的加固方案。
然而,FRCM的“命门”在于“粘得牢不牢”。 其界面粘结性能受纤维类型、基体配比、表面处理等数十个参数影响,呈现出高度的复杂性和不确定性。更棘手的是,实验室数据稀缺且昂贵,传统的确定性模型难以捕捉这种“随机性”,导致设计师往往因缺乏信心而不敢大胆采用新技术。

技术方法概览

为解决上述难题,本研究构建了一套集数据生成、模型预测与工程应用于一体的概率框架。技术路径主要包括:数据层,从26篇文献收集559个试件数据,涵盖混凝土、织物、基体及试验参数;生成层,利用条件表格生成对抗网络(CTGAN)与表格变分自编码器(TVAE)生成高保真合成数据以扩充训练集;模型层,对比随机森林(RF)、XGBoost等确定性模型与贝叶斯神经网络(BNN)、自然梯度提升(NGBoost)等概率模型;应用层,基于最优模型开发在线软件DAB-FRCM,并利用SHAP分析揭示关键驱动因子。

研究结果与发现

1. 数据生成与模型性能:谁才是“数据炼金术”的王者?

在“小数据”场景下,生成式AI的表现决定了模型的天花板。研究发现,TVAE在数据保真度上完胜CTGAN。TVAE生成的合成数据与原始实验数据的统计分布几乎一致,而CTGAN在部分连续变量上出现了“模式坍塌”。
当用这些合成数据喂养预测模型时,NGBoost模型展现了统治级的表现。在“训练-实验”和“训练-合成”两种模式下,基于TVAE合成数据训练的NGBoost模型取得了最佳校准度与准确率,其测试平均绝对百分比误差(MAPE)低至7.61%,远优于传统确定性模型。这表明,“高质量合成数据 + 概率模型”是破解数据稀缺难题的金钥匙。

2. 黑箱揭秘:什么决定了粘结强度?

通过SHAP可解释性分析,研究撕开了模型的“黑箱”。结果出人意料:钢筋配置和纤维/基体性能是粘结强度的最强驱动力,而非传统认为的混凝土强度。这意味着,加固设计的核心应聚焦于FRCM材料本身的选择与构造,而非过度依赖基体混凝土的“底子”。

3. 工程落地:从论文到工具箱

理论研究最终落地为一把在线设计“瑞士军刀”——DAB-FRCM软件。工程师只需输入材料参数,软件即可输出粘结强度的概率分布及失效模式,将抽象的学术模型转化为直观的风险量化工具,极大降低了设计门槛。

结论与展望

本研究成功地将生成式AI与概率机器学习深度融合,解决了FRCM加固领域长期存在的数据荒与不确定性量化缺失两大痛点。TVAE+NGBoost的组合不仅提供了高精度的预测,更赋予了设计者“感知风险”的能力。这标志着结构工程设计正从“经验驱动”的确定性时代,迈向“数据驱动、风险感知”的概率时代。未来,随着更多数据的涌入,这一框架有望成为基础设施智能维养的标配。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号