《Developments in the Built Environment》：Automated Structural Analysis Model Generation for PSC-I Girder Bridges Using an Ontology-Grounded GraphRAG and Prompt Engineering Framework
编辑推荐：
桥梁结构分析建模需要定义几何形状、材料、连接和边界条件，目前仍然高度依赖专家人工操作。尽管大语言模型（LLM）能够生成代码，但其直接应用会引入多种错误，包括虚构属性、单位不一致和边界条件遗漏。本研究提出一种通过GraphRAG集成的、面向预应力混凝土（PSC）
桥梁结构分析建模需要定义几何形状、材料、连接和边界条件，目前仍然高度依赖专家人工操作。尽管大语言模型（LLM）能够生成代码，但其直接应用会引入多种错误，包括虚构属性、单位不一致和边界条件遗漏。本研究提出一种通过GraphRAG集成的、面向预应力混凝土（PSC）工字梁桥的三层知识架构，该架构由OWL本体、Neo4j知识图谱以及编码了OpenSeesPy建模规则的结构化提示组成。对一座单跨桥进行的消融研究表明，仅用数据集方法会产生严重错误，而添加提示虽然解决了结构性错误，但未能解决数据解释性错误。完整框架生成的模型在位移、剪力、支座反力和弯矩方面均与参考模型吻合。每座桥经过十次重复生成运行，所有代码均成功执行，构件绑定的几何和布置信息被一致复现，残余误差仅停留在代码实现层面，从而证实分层知识分离实现了可靠的自动化模型生成。
**研究背景与问题**
在桥梁工程中，结构分析建模是设计阶段验算构件内力、服役阶段分析荷载试验结果以及评估结构完整性的核心环节。然而，构建分析模型需要定义构件的几何构型、材料属性、构件间连接条件及边界条件，这是一项高度依赖专家经验且耗时费力的工作。美国桑迪亚国家实验室的研究估算，在通用有限元分析实践中，创建适合分析的几何模型和网格划分分别占总分析时间约57%和20%，留给分析本身的时间仅约20%。桥梁领域同样存在有限元模型构建和更新效率低下的问题，这长期被视为桥梁系统化维护管理的重大障碍。
近年来，大语言模型在代码生成方面的快速进展为结构分析自动化带来了新的可能。然而，直接使用LLM生成结构分析模型会因领域知识不足而引发大量错误，例如因结构理解有限而选用不恰当单元类型、遗漏构件间边界条件、以及基于训练数据而非目标桥梁实际尺寸或材料属性生成虚构数值等。此外，LLM响应的非确定性——即相同输入条件在不同生成尝试中可能产生不同输出——对模型可靠性构成严峻挑战。这些局限性的根源在于，传统的检索增强生成（RAG）方法基于非结构化数据进行检索和增强，缺乏内在推理能力，难以作为独立解决方案。
**研究方法概述**
针对上述问题，研究人员提出了一种三层知识架构，将结构分析模型自动生成所需的知识分离为三个具有不同角色且相互独立的层次。第一层是基于网络本体语言（OWL）的本体，定义了桥梁结构内的工程关系；第二层由基于Neo4j的知识图谱和GraphRAG检索框架组成，实际桥梁数据按照本体模式映射其中；第三层是LLM提示工程，融入了分析软件的实施知识和难以在本体中泛化的结构特定细节。该框架将GraphRAG应用于结构工程领域的基于关系的模型生成过程，以关系为中心检索几何信息、跨度配置、构件关系、材料属性及分析条件，并将其纳入LLM输入。研究采用Anthropic Claude API（Opus 4.8）作为大语言模型，使用Protégé编辑本体，Neo4j作为知识图谱数据库，OpenSeesPy进行结构分析。
**验证实验设置**
研究人员选取了两座规格不同的单跨PSC-I工字梁桥作为验证案例。验证桥A全长29,600 mm，桥宽12,500 mm，上部结构由六根PSC-I工字梁组成；验证桥B全长25,200 mm，整体宽度11,800 mm，上部结构由五根纵梁组成。两座桥原为斜交配置，为了简化分析被转换为正交配置。结构模型定义为每节点六个自由度的三维系统，包含纵梁、桥面板、横梁、支座和预应力筋。纵梁采用"dispBeamColumn"单元和纤维截面建模，预应力筋按二次抛物线线型布置并施加初始应力；桥面板采用壳单元建模，通过刚臂约束实现与纵梁的组合作用；横梁采用梁单元并与纵梁刚性连接；支座采用"zeroLength"单元模拟。
**消融研究结果**
消融研究按层级逐步对比了LLM在不同输入配置下的生成能力。仅向LLM提供桥梁数据集的条件下，生成的代码包含若干严重错误：模型编造了任意截面尺寸而非使用输入数据，所有预应力筋被放置在单一层面的固定坐标处，忽略了各自抛物线线型，未生成刚臂命令导致结构构件脱节，支座被建模为简单固支约束而非带各自由度刚度的零长度单元，且缺失关键的时程、加载模式和分析系统命令。添加提示后，结构性错误得以解决，但出现了三类数据解释性错误：单位尺度错误（如弹性模量和截面尺寸的毫米-米、兆帕-帕斯卡转换不当）、符号歧义（如梁高与梁跨长混淆）以及表格数据序列化中的语义断裂（导致构件位置错误）。
**完整框架生成结果**
采用完整的GraphRAG增强型三层框架，每座桥进行十次独立生成运行，所有代码均成功执行且静力分析收敛，代码执行成功率达100%。构件绑定的几何信息和布置信息在所有运行中被一致复现，预应力筋的三维抛物线线型得到准确表达。在有效运行中，跨中挠度的变异系数保持在0.9%~2.5%范围内，表明分层知识分离有效控制了LLM响应的变异性。
**残余误差类型**
残余误差被归纳为三类。第一类是潜在实施缺陷，如支座刚臂约束中保留节点与约束节点顺序颠倒、扭转常数表达式中翼缘加腋宽度变量与腹板高度项混淆、以及预应力筋截面内判断的坐标索引不匹配——这些缺陷均能正常执行和收敛，仅通过与参考模型的响应对比才被发现。第二类是同名材料间的属性选择错误，当相同名称或相近数值的材料共存于生成上下文中时，LLM在材料选择阶段产生混淆。第三类是数值离散和网格配置的自主决定，纤维截面划分数量、积分点数量和桥面板网格划分在各次运行中由LLM自主决定，导致截面形心相对单元参考轴产生约0.01 m量级的偏移，体现为系统性的弯矩偏差。
**研究结论**
本研究的主要贡献包括：第一，将GraphRAG应用于结构工程中基于关系的模型生成过程，实现了结构化信息检索与生成式建模之间的有效衔接；第二，将结构分析模型自动生成问题重新定义为具有不同特性知识的结构化组合问题，将结构关系赋予本体层、实例数据赋予知识图谱层、建模规则赋予提示策略层，并通过消融研究证实了仅当三层完整组合时才能获得可靠结果；第三，不仅在代码执行层面、更在工程响应层面（位移、支座反力、截面内力）验证了自动生成模型的有效性。重复生成运行经验性地划定了所提框架的控制范围与残余误差边界。从桥梁基础设施管理的角度看，研究结果表明LLM模型生成的可靠性不取决于语言模型本身的能力，而更多地取决于领域知识如何组织和传递给模型。由于本体和知识图谱将桥梁特定数据与通用建模规则分离，同一架构可应用于其他桥梁类型和土木基础设施资产，为将生成式AI整合到数字孪生和资产管理工作流程中提供了实用基础。同时也表明，自动生成的模型在实际应用中应结合工程基准的响应层面验证，而不能仅依赖执行成功率。
