一般大气环境下钢筋锈蚀深度的RBF神经网络预测模型研究

王胜利; 刘华; 郑山锁; 董淑卿; 黄瑜

doi:10.20000/j.1000-0844.20211224005

地震工程学报 ›› 2024, Vol. 46 ›› Issue (02) : 269 -277. DOI: 10.20000/j.1000-0844.20211224005

一般大气环境下钢筋锈蚀深度的RBF神经网络预测模型研究

王胜利, 刘华, 郑山锁, 董淑卿, 黄瑜

作者信息 +

Author information +

文章历史 +

摘要

钢筋锈蚀深度预测是评估在役RC结构服役性能的基础。为建立一般大气环境RC构件中钢筋锈蚀深度预测模型，通过收集实测数据，分析影响钢筋锈蚀深度的主要参数及其影响规律，继而基于实测数据建立数值模型和RBF神经网络预测模型，并进行参数敏感性分析。研究结果表明：与数值模型相比，RBF神经网络对钢筋锈蚀深度预测效率与精度更高，能够有效映射各影响参数与钢筋锈蚀深度之间复杂的非线性关系。参数敏感性分析结果显示，钢筋混凝土表面锈胀裂缝宽度对钢筋锈蚀深度影响最大，钢筋直径、保护层厚度与钢筋直径之比和混凝土抗压强度等其他因素影响次之。所得模型可用于工程检测中钢筋锈蚀程度预测与RC构筑物剩余服役寿命评估。