季冻区在役混凝土结构可靠性评价模型

郑晓云， 张鹤彤， 苏义坤

(东北林业大学 土木工程学院， 黑龙江 哈尔滨 150040)

在役混凝土结构的可靠性是混凝土结构性能检测的重要组成部分，它关系到混凝土结构能否满足安全性与使用性要求，是判定结构能否继续服役的有效方法[1,2]。具有土壤寒季冻结、暖季融化特征的地区被称为季冻区，处于季冻区内的混凝土结构在使用过程中会经受冻融作用等季冻区气候因素的影响，混凝土结构性能会有所损失，而且中国的季冻区面积为513.7 万km2，占据领土面积比重高达53.5%。因此，合理的季冻区在役混凝土结构可靠性评价对及时进行混凝土结构维护修缮、提高结构性能水平具有重要意义[3,4]。

然而，国内外对在役混凝土结构可靠性的研究多数集中于对可靠性的定性分析或单因素对可靠性的影响，所用研究方法也存在缺陷。姚继涛等[5～7]基于可变作用概率模型对可靠性鉴定标准进行了校核，针对部分构件提出了更合理的控制水平，但未能对混凝土结构可靠性进行量化评价。武乾等[8～10]在考虑结构安全性的基础上对混凝土结构进行了可靠性检测，忽略了使用性对可靠性的影响而缺少整体性分析。何化南等[11～13]采用层次分析与灰色聚类结合的方法研究了各指标对可靠性的影响，但该方法在数据量较大时求解过程较复杂，求解结果的准确率较低。王月冲等[14,15]建立的可靠性评价模型比较实用，能进行精确的可靠性评价，但并未考虑季冻区气候对混凝土结构可靠性的影响。因此，本文在研究季冻区气候对混凝土结构性能影响的基础上，筛选、量化了具有季冻区特点的在役混凝土结构可靠性评价指标，并基于BP(Back Propagation)神经网络建立了适用于季冻区的在役混凝土结构可靠性评价模型。

1 季冻区混凝土结构可靠性评价指标确定及量化

根据GB 50292-2015《民用建筑可靠性鉴定标准》规定，对混凝土结构进行可靠性评价包含安全性评价与使用性评价。综合评价混凝土结构可靠性具体分为6个指标：使用年限、地基基础、结构整体性、混凝土结构构件、围护系统和使用环境。其中，使用年限、地基基础、结构整体性、混凝土结构构件和围护系统等5个指标为固定的混凝土结构指标，使用环境方面的指标则根据季冻区气候特点选取。

1.1 使用环境指标确定

在季冻区的气候环境影响下，混凝土结构被破坏的最主要原因是冻融破坏[16]，规范中也将冻融破坏作为混凝土结构使用环境的评价项目，但并未规定衡量冻融破坏程度的具体标准。混凝土结构被冻融作用破坏后，弹性模量、强度和质量等性能受损，严重影响混凝土结构的可靠性。冻融破坏的评价指标有动弹性模量、质量变化率、吸水率和抗压强度等，因此，影响季冻区混凝土结构可靠性评价的环境指标从上述4个指标中选取。依据刘艳霞等[16,17]的试验数据，对比分析上述4个指标在冻融循环次数逐渐增加的条件下的变化情况，如图1，2所示。

图1 相对动弹性模量与相对抗压强度变化情况

观察图1可知，随着冻融循环次数的不断增加，相对动弹性模量与相对抗压强度都有所降低，相对动弹性模量损失更显著。原因是冻融作用使混凝土的毛细孔变大，密实性变差，强度损失增加，在混凝土毛细孔产生破坏后，裂缝大幅扩展，使得动弹性模量急剧下降。由于混凝土的受压破坏属于整体性破坏，动弹性模量则是由最薄弱面控制，因此弹性模量损失会比抗压强度损失更显著。图2中，质量变化率在冻融循环次数达到75次之前变化不明显，在超过75次后稳步增大，原因是在冻融循环初期，混凝土试块虽然吸收水分，但表面碎块剥落量极少，质量有所增加，在冻融后期，混凝土内部粘结力大幅降低，吸收的水分质量远小于剥落碎块质量，因此质量变化率上升。吸水率在混凝土冻融试验中并无显著变化，原因是吸水率反映混凝土结构的内部饱水程度，在冻融循环次数达到100次后，吸水率不会再有明显变化。

图2 质量变化率与吸水率变化情况

综合以上分析，混凝土结构受冻融破坏后，经过200次冻融循环，相对动弹性模量下降幅度高达66%，相较于相对抗压强度、质量变化率和吸水率的变化情况较明显。因此，本研究将相对动弹性模量作为季冻区混凝土结构可靠性评价的使用环境指标。

1.2 混凝土结构指标确定及量化

混凝土结构自身的可靠性性评价指标从使用年限、地基基础、结构整体性、混凝土结构构件和围护系统5个方面获得。使用年限指的是在役混凝土结构已经投入使用的年数；地基基础的关键性能是承载力及稳定性，地基基础等级的评定内容为地基变形、基础裂缝和基础承载力；结构整体性是由构件间的圈梁系统、抗侧力系统和锚固拉结系统等组合构成，评定内容为结构的布置与构造、结构与构件间的联系、支持系统或其他抗侧力系统的构造及圈梁与构造柱的布置构造；混凝土结构构件的评定内容为结构承载力、结构构造与连接、结构位移、结构裂缝、构件缺陷损伤；围护系统评定内容为墙体系统、屋面系统和防水及防护措施。

为获得构建季冻区混凝土结构可靠性评价模型的样本数据，在上述可靠性评价的6个指标中，地基基础、结构整体性、混凝土结构构件和围护系统等4个指标需要进行量化。参考GB 50292-2015《民用建筑可靠性鉴定标准》及王月冲[14]的研究，对上述指标的量化标准进行规定，如表1，2所示。

表1 混凝土结构构件的评价类别、等级及量化标准

表2 地基基础、围护系统和结构整体性的评价类别、等级及量化标准

2 数据采集及处理

本研究将指标数量控制为6个，数量适中，可避免在可靠性评价模型构建过程中出现过拟合现象。将每个指标包含的各项类别的评价结果进行量化后，根据权重处理整合为各个指标的量化值。为便于体现过程及结果分析，对指标进行编号，如表3所示。

表3 可靠性评价指标名称及编号

为建立具有季冻区特点、精度较高的混凝土结构可靠性评价模型，数据的采集需要具有全局性、多样性特点，因此需对季冻区内部不同区域的差异进行综合考虑。我国季冻区内的城市根据冻融循环次数分为三类：第一类为年平均冻融循环次数大于110次的城市，如哈尔滨、乌鲁木齐等；第二类为年平均冻融循环次数在80～110次之间的城市，如北京、兰州等；第三类为年平均冻融循环次数小于80次的城市，如郑州、济南等。季冻区内15个主要城市的分布情况如图3所示。

图3 季冻区主要城市分布

根据图3，从季冻区内15个主要城市中收集了典型工程的有效可靠性鉴定资料数据来构建神经网络。采用长春、沈阳、呼和浩特、乌鲁木齐、银川、太原、兰州、拉萨、西安、济南、天津和石家庄等12个城市的数据进行神经网络训练，用哈尔滨、北京和郑州等3个城市的数据来验证神经网络模型的正确性。为消除不同指标间的量纲关系，对数据进行标准化：

(1)

式中：T为标准化后数据值；X为初始数据值；Xmax为初始数据最大值；Xmin为初始数据最小值。

由于数据数量较多，选取部分标准化后的数据(图4)。图4中每个训练样本的各指标变化趋势具有较高程度的一致性，表明混凝土结构可靠性降低时各个方面的性能水平也会随之下降，因此印证了6个指标对混凝土结构可靠性进行评价具有适用性和全面性。而且实际可靠性评定等级相同样本的6个指标标准化后值相近，证实6个指标的评价准确度较高。

图4 指标标准化后值变化情况

3 季冻区混凝土结构可靠性评价模型构建

3.1 神经网络结构设计

为使神经网络模型具有适用于本研究的合理结构，需对其进行针对性设计。

(1)输入层设计

输入层节点数由评价指标的个数决定，依据上文建立的可靠性评价指标，将F1～F6共6个指标作为神经网络结构的输入节点。

(2)输出层设计

输出层的节点数目根据评价结果的特点确定。根据GB 50292-2015《民用建筑可靠性鉴定标准》要求，鉴定单元的评价等级分为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级等4个级别，因此输出层的节点数设置为4个，节点输出值与评价等级对应情况见表4。

表4 输出值与评价等级对应关系

(3)隐含层设计

隐含层的作用是提取输入特征，隐含层数目能够影响神经网络处理问题的能力，层数越多处理能力越强，但网络也会随之复杂化。学者Nielson证实了一个隐含层即可满足普通BP神经网络的应用需求，在减少训练时间的同时进行精确评价，因此本研究将隐含层层数定为1层。

隐含层的节点数对神经网络的作用与隐含层层数类似，适合于实际应用的节点数可以使网络性能达到最佳，因此本研究采用经验公式确定隐含层的节点数目。

(2)

式中：nH为隐含层节点数目；m为输出层节点数目；n为输入层节点数目。

根据上文所述，输入层节点数目为6，输出层节点数目为4，代入式(2)计算后可得隐含层节点数目为7，神经网络模型的拓扑结构如图5所示。

图5 神经网络模型拓扑结构

3.2 神经网络模型建立

应用MATLAB神经网络工具箱创建BP神经网络模型，将12个地区的数据输入进行训练，训练结果见图6。由图6可知，在训练次数达到241次时训练效果最佳。输出值与期望值对比见图7，输出值曲线与期望值曲线基本重合，且由于本研究中输出值数字为0或1的特点，数据都在0和1附近聚集，拟合度为0.99534，接近于1，证明输出值与期望值拟合效果非常好，神经网络模型具备统计学意义上的适用性。

图6 训练效果

图7 输出值与期望值拟合曲线

4 工程实例验证

为确定神经网络训练的准确性，将其他3个地区的数据作为验证样本，代入模型进行验证，验证结果见表5。由表5可知，网络评价结果与工程项目实际结果基本吻合，神经网络模型可靠性评价结果的准确度较高。为验证模型是否具有相较于其他方法的较高评价水平，选择应用范围较广的层次分析法进行对比，对比结果发现：神经网络模型的可靠性评价结果与实际评价结果更为吻合，而层次分析法的可靠性评价结果与实际评价结果的吻合度就差一些。如编号为“哈尔滨2”的工程项目，神经网络模型可靠性评价结果为Ⅲ级，层次分析法的评价结果为Ⅱ级，而根据实际调查结果，该工程项目自建成投入使用以来，并未进行全方位的维护修缮，经专业人士鉴定可靠性为Ⅲ级，已经停止使用。因此，神经网络评价模型的结果与实际结果更吻合，评价模型通过了准确性验证，具有较高的实用性。

表5 评价结果对比

5 结 论

(1)由气候因素导致的冻融破坏作用对在役混凝土结构可靠性影响显著，在对受冻融作用影响的混凝土力学性能中，经过200次冻融循环后，相对动弹性模量的下降幅度为66%，相较于其他性能受冻融影响更显著，表明相对动弹性模量可作为季冻区在役混凝土结构可靠性评价的使用环境指标。

(2)季冻区在役混凝土结构可靠性评价的神经网络模型的输入层节点数目为6，输出层节点数目为4，隐含层节点数目为7。模型训练次数达到241次时达到最佳训练效果，输出值与期望值拟合效果好，R值为0.99534，接近于1，表明神经网络模型具备统计学意义上的适用性。

(3)对建立的神经网络模型进行验证，模型的评价结果与工程项目实际鉴定结果一致。对于相同的工程项目，相较于层次分析法的可靠性评价结果的准确率，神经网络模型的可靠性评价结果的准确率具有一定程度上的提高，表明季冻区在役混凝土结构可靠性评价的神经网络模型的评价水平较高，具备实际意义上的实用性。