|
文献速读 Cement Concrete Res. ：混凝土耐久性分析的智能数据库设计-在港珠澳大桥的应用  题目 题目：Smart database design for concrete durability analysis - An application in the Hongkong-Zhuhai-Macau bridge 混凝土耐久性分析的智能数据库设计-在港珠澳大桥的应用 关键词 混凝土耐久性；智能数据库；站点特征；多元概率分布模型；数据驱动；港珠澳大桥 来源 出版年份：2023 来源：Cement and Concrete Research 课题组：清华大学土木工程系张熠课题组 研究背景 土木工程行业数字化转型慢，更多依靠经验决策施工。在耐久性工程中更为明显，缺乏对海量数据集的访问是其数字化的根本障碍。性能设计方法是通过测量材料性能确定其在常见暴露条件下的劣化机制，在耐久性分析中被许多国家采用。其中，大量测量方法是基于试验评估混凝土渗透性参数（渗透性、吸附性、迁移性、扩散系数、电导率以及决定混凝土结构暴露条件的环境因素），从而建立性能测试方法与混凝土结构实际耐久性之间的基础和经验关系。因此，耐久性试验数据对于耐久性研究至关重要。然而，目前的大多实验数据记录较为随意。同时，耐久性数据可能来自不同的数据源，且往往为稀疏和不完整的多元数据，具有空间变异性和不确定性。一般的数据处理方式不能满足利用水平，对实验数据的数据挖掘还远远不够。耐久性实践的数据管理需要更先进的大数据分析和机器学习方法。构建一个用于耐久性研究的智能数据库对于混凝土耐久性工程是非常必要的。国内外学者在耐久性数据库的构建和数据记录方面开展了大量工作。这些研究主要集中在数据采集、数据记录、数据提取等方面，并将这些数据作为理论或经验模型的输入信息来评估混凝土结构的性能。 研究出发点 关于数据预处理和处理的研究非常有限。现有耐久性数据库的数据存储、查询等基本功能已经不能满足要求，特别是对于需要精确耐久性分析的港珠澳大桥等大型基础设施，需要一个能够降低统计数据不确定性并进行自学习更新的智能耐久性数据库。 研究内容 本文开发了一种构建智能耐久性数据库的方法，从而解决混凝土施工中遇到的常见问题。首先介绍了耐久性数据库的整体框架；随后描述了数据预处理的方法；然后提出了一种开发通用数据库的方法，用以结合不同来源的数据；再者提出了一种数据驱动、自学习的构建站点特定数据库的算法和填补缺失值的预测方法；再然后提出了一种混合方法，通过平衡通用分布模型和站点限定分布模型，降低了站点特定分布模型在缺失值预测和数据模拟中的统计不确定性；最后给出了开发设计的数据库在港珠澳大桥中的实际应用。  图1 耐久性数据库框架  图2 智能耐久性数据库构建流程  图3 站点信息  图4 Yi和Yj之间散点图  图5 属性数据、模拟站点数据和模拟混合数据的散点图 主要结论 本文提出了构建智能多元耐久性数据库的技术路线，分为数据收集、数据预处理和数据建模三个部分。具体内容如下： （1）数据预处理是第一步，包括数据清洗、数据异常值识别和基于Johnson变换的数据归一化。数据预处理后，可构建属性数据库和属性数据分布模式，用于进一步建立特定站点数据库； （2）为了预测站点特定数据库的缺失值并得到站点特定的概率密度函数，开发了一种无监督的自学习算法：Gibbs抽样技术。将该算法与通用分布模型巧妙混合，具有当站点特定数据丰富时，混合分布模型由站点特定数据治理，当站点特定数据稀缺时，通用数据库治理模型的特点； （3）以港珠澳大桥的耐久性数据库设计为例，验证了所提方法的有效性。结果表明，通过Gibbs采样器开发的站点特定分布模型能够捕捉站点特定数据之间的相依结构，即使站点特定数据稀缺，也能做出合理的预测； （4）进一步开发出利用通用数据库和站点特定数据库的混合数据库，有助于减少缺失值预测和数据扩充中的不确定性，还可根据站点数据的可获得性，巧妙地耦合站点分布模型和总体分布模型。 本期编者简介 翻译： 何 闯 博士后 深圳大学 审核： 李雪琪 硕士生 深圳大学 排版： 郭泓汝 硕士生 深圳大学 本期学术指导 何 闯 博士后 深圳大学 龙武剑 教 授 深圳大学 文献链接： https:///10.1016/j.cemconres.2022.107033 |
|
|
