《AUTOMATION IN CONSTRUCTION》：Discovery and prediction of tidal reach bridge scour morphology via 3D underwater sonar point cloud
编辑推荐：
•通过声呐测量，建立了长江潮汐段桥梁冲刷形态的基于实地的数据集。•SIA-BAP+ 从桥梁声呐点云中量化了局部冲刷深度、面积和体积。•一种可解释的两步模型基于符号回归准确预测了冲刷形态。•河流流动主导了冲刷形态的演变，而潮汐则导致了马鞍形的冲刷坑。•所提出的预测方法在独立的现场工
- •
通过声呐测量，建立了长江潮汐段桥梁冲刷形态的基于实地的数据集。
- •
SIA-BAP+ 从桥梁声呐点云中量化了局部冲刷深度、面积和体积。
- •
一种可解释的两步模型基于符号回归准确预测了冲刷形态。
- •
河流流动主导了冲刷形态的演变，而潮汐则导致了马鞍形的冲刷坑。
- •
所提出的预测方法在独立的现场工程验证中表现优于七种基线公式。
引言
通往海洋的河口地区因具有有利的航行条件而有人居住和工业化[1]。这些河口区域的跨河桥是城市交通网络中的关键节点。在潮汐段，海水潮汐与河流流量之间的相互作用在桥墩周围产生了波浪-水流的耦合效应，从而导致局部冲刷坑的形成。冲刷坑的逐渐加深减少了桥墩的埋深，削弱了承载能力[2]，造成了结构损坏[3]，并导致了高昂的维护成本[4]和重大的经济损失[5]。因此，预测潮汐段桥墩周围三维冲刷形态的模型对于设计有效的冲刷防护措施[6]和评估桥梁的抗冲刷能力[7]至关重要。
潮汐段桥梁冲刷形态的分析和预测方法可以大致分为基于物理实验的方法、基于数值模拟的方法和基于现场实验的方法。基于物理实验的研究通过人工生成的波浪在流水槽中进行桥梁冲刷实验，从而探究冲刷机制[8]。早期的实验主要关注受振荡流作用的水下结构周围的局部冲刷。Sumer等人[9]研究了波浪作用下垂直桩周围的冲刷情况，而Kobayashi和Oda[10]则研究了垂直圆柱体周围波浪冲刷的时间演变。在此基础上，Sumer和Freds?e进一步在不规则波浪-水流条件下进行了冲刷实验，并分析了波浪-水流耦合对冲刷深度的影响[11]。近年来，通过物理实验更详细地研究了波浪-水流冲刷机制。例如，Yang等人在多种波浪-水流强度组合下进行了实验，并提出了一种考虑复杂桥墩配置的改进冲刷预测公式[12]。Mowla和Ahmari使用粒子图像测速（PIV）在波浪-水流流水槽实验中分析了桥梁冲刷形态与周围流场之间的关系[13]。基于物理实验的方法能够控制地研究潮汐段的水动力和沉积物输运机制[14]。然而，缩比实验中的尺度效应和边界条件不确定性限制了其预测模型直接应用于实际冲刷预测的能力[15]。
基于数值模拟的冲刷形态预测方法通过建立耦合的波浪-水流模型并求解沉积物输运方程来分析冲刷过程。例如，Yang等人开发了一个基于FLOW-3D的CFD模型，用于研究风、波浪和水流共同作用下复杂桥墩的冲刷情况[16]。Liu等人在OpenFOAM中开发了TidalflowFOAM，这是一种适用于振荡潮汐流条件的局部冲刷求解器。该模型模拟了潮汐流下冲刷与回填的交替发展过程，并可进一步扩展到涉及波浪-水流共同作用的复杂情景[17]。尽管基于数值模拟的方法理论上具有高精度[18]，但现场潮汐段的复杂水文变化难以准确再现[19]。此外，计算资源的限制也限制了考虑整个冲刷-回填过程的模拟模型的求解[20]。
相比之下，基于现场实验的方法能够有效避免尺度效应。之前在杭州湾地区的研究基于测量的水文和冲刷数据建立了实用的桥梁冲刷预测模型[21,22]。然而，大多数基于现场实验的研究主要依赖二维声呐，这只能提供冲刷剖面信息，不足以进行三维冲刷形态分析[23]。
新兴的三维声呐技术由于其捕捉复杂空间形态的能力，已被用于高效获取水下三维数字模型[24]。这些技术已应用于现场冲刷检测[25,26]和桥墩状况评估[27,28]。
上述基于现场实验的方法受到获取长期流速记录的高昂成本以及基于维度分析和多元回归的现场数据分析的限制[29,30]，这使得功能形式的确定具有高度主观性，开发预测方程也成为一个涉及反复试错的过程[31,32]。最近在机器学习技术（如XGBoost[33]和元启发式算法[34]）方面的进展促进了复杂冲刷预测模型的发展。然而，这些模型通常被视为“黑箱”，在提供明确方程或物理解释能力方面有限[35]。
因此，本文的目的是揭示河流与潮汐相互作用如何控制潮汐段桥梁的冲刷形态，从而支持可靠且可解释的冲刷形态预测。这一目标通过以下目标来实现：
(a) 基于易于测量的变量构建水文影响系数，以表征潮汐与河流流量之间的相互作用，并分析潮汐河流段中桥梁的水文特征；
(b) 从声呐点云中量化桥梁冲刷的三维形态特征，并利用数据驱动的方程发现方法从现场数据建立明确且可解释的桥梁冲刷形态预测模型。
具体而言，在五座主要的跨河桥进行了三维声呐调查，以获取桥梁冲刷点云。基于这些数据，使用改进的冲刷识别算法（SIA-BAP+）并结合提取的水文特征量化了局部冲刷深度、面积和体积，建立了潮汐段桥梁冲刷数据库TRBrscour。然后提出了一种两步预测方法：使用遗传编码的符号回归来识别反映河流流量和潮汐耦合效应的水文影响系数，并应用序列蒙特卡洛优化来推导局部冲刷深度、面积和体积的最终可解释预测方程。该框架通过交叉验证、不确定性分析和独立现场验证进行了评估。
在我们之前的研究中，SIA-BAP是基于局部三元模式开发的，用于识别冲刷区域。随后利用所得的语义信息重建了冲刷表面网格并提取了最大总冲刷深度[25]。本文基于SIA-BAP提出了SIA-BAP+，以实现更全面的复杂三维冲刷形态量化。从提取的语义信息计算局部冲刷深度，并结合α形状和离散化方法量化了冲刷面积和体积。
本文的其余部分组织如下。第2节描述了研究区域和提出的冲刷预测框架。第3节分析了潮汐段的水文特征，并使用开发的预测模型研究了控制冲刷形态的因素。第4节提供了数值验证，并使用现场实验评估了所提方法的竞争性能。第5节将研究结果与先前的研究进行了比较，并讨论了研究的局限性。最后，第6节总结了本文的关键发现。
章节摘要
方法论
所提出的方法如图1所示进行组织。首先，在潮汐段的代表性桥梁进行了现场声呐调查，并收集了水动力数据。其次，对这些数据进行了分析以建立冲刷数据库。第三，开发了一种称为“原型分析-相似性转移”的两步预测框架。
潮汐段冲刷形态预测与分析
本节首先介绍了潮汐段的水动力特征。此外，基于现场测量和SIA-BAP提取的冲刷特征，开发了预测公式，并分析了潮汐与河流相互作用对形态的影响机制。
可靠性分析与模型验证
本节通过交叉验证实验和不确定性分析验证了所提模型的可靠性，并进一步使用现场工程验证评估了其预测性能和竞争优势。
讨论
本文通过与其他研究的比较，探讨了所提出框架的方法学进展和物理意义。同时也讨论了所提方法的局限性。
结论性意见
潮汐段中的桥梁受到河流流量和潮汐共同作用的复杂冲刷过程的影响，而传统的基于流水槽实验推导出的方程往往难以应用于实际工程条件。因此，开发了一个框架来预测潮汐段的桥梁冲刷形态，并分析河流和潮汐对冲刷形态的相互作用。本文的主要发现总结如下：
•潮汐段
CRediT作者贡献声明
Zelin Huang：撰写——原始草案，验证，方法论，调查，形式分析，概念化。Qilin Yang：撰写——原始草案，软件，方法论。Yanjie Zhu：撰写——审阅与编辑，监督，调查，资金获取，数据管理。Wen Xiong：监督，项目管理，资金获取，数据管理。Yazhou Xie：撰写——审阅与编辑，调查。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的竞争性财务利益或个人关系。
致谢
作者衷心感谢国家关键研发计划（2025YFB2606600）、国家自然科学基金（项目52478147、52378135）对此项工作的财政支持。
Zelin Huang|Qilin Yang|Yanjie Zhu|Wen Xiong|Yazhou Xie
