近日，我院郭瑞琦、金玉两位博士在国际知名期刊《Journal of Building Engineering》（JCR1区，中科院2区TOP，IF：6.7）发表了题为“Hybrid prediction model for reinforcements’ corrosion stage by multiple nondestructive electrochemical indices” 的研究论文。

钢筋混凝土结构中钢筋锈蚀阶段的准确判断对于结构的寿命预测具有重大意义。针对现阶段电化学指标与钢筋锈蚀阶段对应关系研究不足及大量试验成果由于部分电化学属性缺失无法直接用来训练锈蚀阶段判断模型等问题，训练描述各电化学指标相关性的贝叶斯网络实现判断模型训练集缺失属性的填充。通过Bagging重抽样，软投票等方法训练并集成多层感知机(MLP)、支持向量机(SVM)、最邻近节点算法(KNN)、朴素贝叶斯(NB)及决策树(DT)模型，得到以半电池电位(E_corr)、腐蚀电流(i_corr)、极化电阻(R_ρ)、混凝土电阻率(ρ)为输入，钢筋处于钝化、初锈及锈蚀扩展阶段的概率为输出的分类器系统(multi-classifier system, MCS)。在验证MCS模型准确性的基础上，得到以下结论：综合考虑E_corr、i_corr和R_ρ对钢筋锈蚀阶段进行判断仍是最优解；E_corr结果对于钢筋锈蚀阶段的判定结果影响最大，i_corr次之，R_ρ最小。综合考虑各电化学指标的MCS模型相较于仅考虑E_corr、i_corr或R_ρ的MCS模型，F1高6.3%、29.2%及26.0%。当E_corr、R_ρ及ρ分别小于-242 mV、209 kΩ·cm²及2089 Ω·m，i_corr大于0.07 μA·cm^-2时，认为结构进入初锈状态；当E_corr、R_ρ及ρ分别小于-584 mV、2.4 kΩ·cm²及95 Ω·m，i_corr大于1.20 μA·cm^-2时，认为结构进入锈蚀扩展状态。

论文链接：https://doi.org/10.1016/j.jobe.2023.108327