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

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。

关键词

钢筋混凝土 / 钢筋锈蚀 / RBF神经网络 / 锈蚀深度预测 / 敏感性分析