混凝土碳化的影响因素及碳化深度预测模型

在对实验资料分析的基础上，讨论了混凝土碳化机理及影响因素，并建立了以混凝土强度为主要参数的碳化深度预测模型。     

混凝土碳化的影响因素及碳化深度预测模型

在对实验资料分析的基础上 ,讨论了混凝土碳化机理及影响因素 ,并建立了以混凝土强度为主要参数的碳化深度预测模型     

基于图像处理技术的混凝土碳化深度测量

针对现有混凝土碳化深度测量方法（直尺测量法）的不足,提出了一种新的测量方法.首先比较了照相机和普通扫描仪的不同工作原理和图像获取效果,介绍了利用专用扫描设备获取混凝土试件碳化图像的具体方法;对比RGB与HSV模式图像各通道的灰度直方图,给出了利用色相灰度图测量碳化深度的思路;并基于Matlab软件开发了相应的GUI程序,方便地实现了对图像的读入、裁剪、旋转、灰度处理、碳化深度测量及数据导出.为验证新方法的可靠性,分别采用常规测量与色相灰度图测量方法对多个试件的碳化深度进行测量并比较.结果表明,新方法不仅测量值准确,能有效减小人为误差、提高精度,而且在操作上具有明显的便利性并可大大减少试验工作量.因此,该种基于专用扫描设备获取混凝土试件碳化图像结合色相灰度图测量碳化深度的新方法,可以用于混凝土碳化深度测量,并且操作方便、测量结果可靠.     

混凝土含水率对碳化深度影响的试验

依据试验资料，分析了混凝土密实性相同条件下，其碳化深度与含水率的关系，结果表明：混凝土含水率为1.9％时碳化深度最大，含水率在0～1.9％时，混凝土碳化深度随着含水率的增大而增大，含水率大于1.9％时混凝土碳化深度随着含水率的增大而减小。运用混凝土碳化机理和结构理论对该结果进行了分析，说明对混凝土碳化程度起决定作用的不是空气的相对湿度，而是混凝土的湿润状态。     

生态型水工混凝土碳化深度统计特性研究

生态型水工混凝土碳化深度具有随机性的特点.本文提出基于拟合优度检验和贝叶斯理论相结合的方法进行生态型水工混凝土碳化深度概率模型分析,研究结果表明,本方法可靠度分析成果与传统方法相比更加符合工程实际,便于工程应用.     

多因素协同作用下混凝土碳化深度预测模型研究

混凝土碳化是导致混凝土坝服役性能降低的内在因素之一,为保证混凝土坝长效健康服役,应揭示混凝土碳化随时间的演变规律。基于多孔介质理论,以混凝土孔结构为基础,从决定碳化的基本物理化学条件出发,研究了冻融和应力作用对混凝土孔隙率变化的影响,并据此建立了多因素协同作用下混凝土碳化深度预测模型。试验数据验证结果表明,所建立的预测模型有效性较好。     

黄河中下游水闸混凝土碳化深度研究

为得到黄河中下游水闸混凝土碳化深度的变化规律,并揭示其对混凝土强度的影响,利用43座水闸现场安全检测混凝土强度和相对应碳化深度的数据,通过统计分析方法研究了黄河中下游水闸不同构件的混凝土碳化深度以及不同地区、不同设计强度混凝土碳化深度与强度之间的关系。结果表明:黄河中下游水闸碳化深度自闸底板起随相对高程增加而变大;13~51 a龄期内,混凝土强度等级为C18的混凝土比C13混凝土抗碳化能力强;黄河中下游不同地区的水闸混凝土强度增加量均随着碳化深度的增加先增大后减小。由此可见,混凝土强度等级越高,其抗碳化能力越强,且随着混凝土碳化深度的增加,混凝土强度增加量先增加后减小。     

三门峡水利枢纽混凝土碳化测试分析

通过对三门峡水利枢纽工程大坝等7个典型部位的混凝土碳化测试情况的分析，综合评价了其碳化状况，并对影响碳化的种种因素进行了初步分析，结果表明提高混凝土强度，加强其密实度、严整度及表面光洁度，是抑制碳化的有效方法。     

大掺量粉煤灰混凝土碳化深度预测模型探讨

大掺量粉煤灰混凝土由于具有诸多优良性能,在工程实践中得到广泛应用,但对于其碳化等耐久性能研究不够深入。通过对目前普通混凝土碳化深度预测比较典型模型进行分析,并根据大掺量粉煤灰混凝土快速碳化实测数据,计算出适应于大掺量粉煤灰混凝土的碳化系数 D_e^c ,初步建立了适合于大掺量粉煤灰混凝土碳化深度的预测模型。应用此模型对工程碳化数据进行预测验证,结果表明：模型A适应于粉煤灰掺量≥60%的碳化深度预测;模型B适应于粉煤灰掺量＜60%的碳化深度预测,且误差均在10%以下。     

浅析混凝土碳化机理及其碳化因素

本文主要阐述了混凝土碳化的机理以及影响混凝土碳化的主要因素。     

韦水倒虹工程混凝土碳化深度预测研究

为了比较基于抗压强度的混凝土碳化深度预测模型的适应性和准确性,在分析预测模型基础上,根据韦水倒虹工程现场环境的温度、湿度、CO2浓度及现场检测的芯样强度资料对混凝土碳化深度进行了预测,并与该工程实测碳化深度进行了比较.结果表明:牛荻涛等的预测模型对于强度等级较低的混凝土预测较准确,邸小坛等的预测模型对于强度等级较高的混凝土预测较符合实际,而Smolczyk预测模型的预测值明显比实测值大;认为建立碳化深度与实际龄期混凝土抗压强度的关系模型比建立碳化深度与混凝土28d龄期抗压强度的关系模型更有意义.     

基于渗透性能的混凝土耐久性预测模型

通过不同配合比混凝土试件的气体渗透性测试、吸水性测试及氯离子侵蚀试验,分析了混凝土氯离子扩散系数与渗透性能之间的关系,建立了基于渗透性能的混凝土耐久性预测模型,并以某临海水闸工程为例对所建模型进行验证。结果表明:空气渗透性系数、吸水性系数及氯离子扩散系数均随着水灰比的增大而增大;不同水灰比情况下,氯离子扩散系数均随空气渗透性系数、吸水性系数的增大而增大,且呈现一定的相关性;建立的基于渗透性能的混凝土耐久性预测模型,只需进行混凝土结构渗透性能的试验,即可预测混凝土结构的使用寿命;以某临海水闸工程为例对所建模型进行验证,认为该模型是可行的。建立基于渗透性能的混凝土耐久性预测模型对在氯离子环境下的混凝土结构工程直接利用渗透性能预测其使用寿命具有重要意义。     

基于GM（1，1）模型的混凝土碳化寿命预测

碳化是影响混凝土结构耐久性的一个重要因素。利用灰色理论中GM（1,1）模型,以碳化深度为特征序列,进行老信息、新信息及新陈代谢3种不同模型模拟分析。选择相对平均误差最小的新陈代谢模型预测混凝土碳化寿命。分析表明,该模型原理简单实用,预测精度高,能够反映一般大气环境下混凝土碳化发展规律,可为实际工程混凝土结构耐久性分析提供有效方法。     

基于BO-GRU的混凝土坝变形预测模型

针对混凝土坝变形具有较强的非线性特点、目前大坝变形预测模型出现参数过多及易陷入局部最优等问题,提出了一种深度学习中的门控制循环单元(GRU)模型,并结合贝叶斯优化算法(BO)对门控制循环单元的超参数进行优化,建立BO-GRU模型应用于混凝土坝变形预测。为检验模型的可行性,以实测变形监测数据为基础,并与极限学习机、相关向量机和基于遗传算法优化的支持向量机等模型预测结果进行对比。结果表明:该模型的泛化能力强、运行效率高,能有效运用于混凝土坝的变形预测。     

基于水化度的泵送混凝土温升模型及参数反演

针对泵送大体积混凝土绝热温升高、早期水化速率快的特点,结合绝热温升试验,构建了基于水化度的水化温升速率模型(简称水化度模型),采用人工蜂群算法对水化度模型、双曲线模型、单指数模型和双指数模型参数进行反演对比分析,将水化度模型应用于5组绝热温升试验结果拟合中,使用4种温升模型对上海某泵闸工程混凝土试块温度场进行了反馈仿真...     

基于水化度的MgO混凝土自生体积变形计算模型

氧化镁膨胀量的计算模型大都为经验性公式,在应用上具有局限性.为此,从MgO水化反应的本质出发,在混凝土等效龄期和水化度概念的基础上,提出新的基于水化度的MgO混凝土自生体积变形计算模型.该模型反映了氧化镁混凝土膨胀的基本规律,又能很好地与试验数据吻合,可模拟经历任意温度过程的氧化镁的膨胀量.     

基于优化VMD与GRU的混凝土坝变形预测模型

为提高大坝变形预测精度,基于“分解-重构”思想,采用变形信号处理技术对实测变形加以时频分解,并结合深度学习网络对分解信号分项预测再重构,提出一种基于优化变分模态分解(VMD)与门控循环单元(GRU)的混凝土坝变形预测模型。该模型使用灰狼优化算法(GWO)优化的VMD把原始数据分解为一组最优本征模态分量(IMF),利用GWO优化的GRU网络对每个IMF分量进行滚动预测,通过叠加各个分量的预测结果得到位移序列预测结果,解决了VMD人工选择参数导致分解效果差及GRU人工选择参数影响训练速度、使用效果及鲁棒性等问题。工程实例预测结果表明,该模型的预测误差小,具有良好的预测精度与稳健性。     

Deformation prediction model of concrete face rockfill dams based on an improved random forest model

The unique structure and complex deformation characteristics of concrete face rockfill dams (CFRDs) create safety monitoring challenges. This study developed an improved random forest (IRF) model for dam health monitoring modeling by replacing the decision tree in the random forest (RF) model with a novel M5' model tree algorithm. The factors affecting dam deformation were preliminarily selected using the statistical model, and the grey relational degree theory was utilized to reduce the dimensions of model input variables. Finally, a deformation prediction model of CFRDs was established using the IRF model. The ten-fold cross-validation method was used to quantitatively analyze the parameters affecting the IRF algorithm. The performance of the established model was verified using data from three specific measurement points on the Jishixia dam and compared with other dam deformation prediction models. At point ES-10, the performance evaluation indices of the IRF model were superior to those of the M5' model tree and RF models and the classical support vector regression (SVR) and back propagation (BP) neural network models, indicating the satisfactory performance of the IRF model. The IRF model also outperformed the SVR and BP models in settlement prediction at points ES2-8 and ES4-10, demonstrating its strong anti-interference and generalization capabilities. This study has developed a novel method for forecasting and analyzing dam settlements with practical significance. Moreover, the established IRF model can also provide guidance for modeling health monitoring of other structures.     

基于混沌理论的混凝土裂缝开合度改进混合预测模型

针对传统混凝土裂缝开合度统计模型对温度非线性因素和残差特性考虑不足导致预测效果不佳的问题,首先考虑温度非线性因素,建立裂缝开合度改进统计模型,进而借助混沌理论与相空间重构理论对改进统计模型的残差时间序列进行混沌特性分析与相空间重构,采用遗传算法优化的BP人工神经网络对残差进行预测,最后集成获得改进混合预测模型对混凝土裂...