再生混凝土抗盐冻性能

本书聚焦全球气候变迁下再生混凝土在盐冻环境中的耐久性核心问题，系统研究其多物理场耦合损伤机制与性能演化规律。全书通过试验与数值模拟，揭示再生混凝土在盐冻作用下的跨尺度损伤机理及力学性能退化规律，并重点引入机器学习方法，建立抗冻、抗氯盐侵蚀与抗盐冻性能的预测模型。书中详细阐述了模型选择、构建、训练与验证过程，实现对材料关键影响因素的识别与性能优化，为再生混凝土在寒区极端环境下的配合比设计和工程应用提供数据支撑与理论指导。
本书可供从事混凝土耐久性、固体废物资源化利用、多尺度损伤模型、材料计算学等方向的科研人员参考阅读。

本书聚焦全球气候变迁下再生混凝土在盐冻环境中的耐久性核心问题，系统研究其多物理场耦合损伤机制与性能演化规律。全书通过试验与数值模拟，揭示再生混凝土在盐冻作用下的跨尺度损伤机理及力学性能退化规律，并重点引入机器学习方法，建立抗冻、抗氯盐侵蚀与抗盐冻性能的预测模型。书中详细阐述了模型选择、构建、训练与验证过程，实现对材料关键影响因素的识别与性能优化，为再生混凝土在寒区极端环境下的配合比设计和工程应用提供数据支撑与理论指导。
本书可供从事混凝土耐久性、固体废物资源化利用、多尺度损伤模型、材料计算学等方向的科研人员参考。

无

1 绪论  1
1.1 研究背景及意义  1
1.2 再生混凝土抗冻性能研究现状  2
1.3 再生混凝土抗氯盐侵蚀性能研究现状  9
1.3.1 氯离子扩散方式  9
1.3.2 混凝土中氯盐的侵蚀破坏原理  11
1.4 再生混凝土抗盐冻性能研究现状  13
1.5 监督学习在再生混凝土中的应用研究现状  14
1.6 本书主要工作  16
参考文献  17

2 再生混凝土抗盐冻性能试验与机理研究  19
2.1 原材料及性能  19
2.1.1 原材料选取  19
2.1.2 骨料物理性能指标测试  20
2.2 试件的制备及养护  20
2.3 试验方法  21
2.3.1 抗压强度试验  21
2.3.2 劈裂抗拉强度试验  22
2.3.3 冻融循环试验  22
2.3.4 氯离子侵蚀试验  24
2.3.5 X-CT 试验  25
2.4 试验结果与分析  26
2.4.1 抗压强度损失率  26
2.4.2 劈裂抗拉强度损失率  29
2.4.3 质量损失率  31
2.4.4 相对动弹性模量  32
2.4.5 氯离子侵蚀深度  34
2.4.6 自由氯离子浓度  36
2.5 再生混凝土微观结构对盐冻性能影响机理  37
2.5.1 基于X-CT 试验的再生混凝土微观结构  37
2.5.2 孔径分布与抗压强度的相关性评估  40
2.5.3 抗盐冻性能影响因素分析  42
2.6 再生混凝土抗盐冻性能的数值模拟与分析  43
2.6.1 控制模型的建立  43
2.6.2 材料本构模型选取  46
2.6.3 模型验证与数值模拟结果分析  49
2.7 本章小结  56
参考文献  57

3 机器学习在土木工程材料中的应用  59
3.1 机器学习模型选择  59
3.1.1 ANN  59
3.1.2 SVM  62
3.1.3 RF  64
3.1.4 智能优化算法  65
3.2 机器学习模型构建  68
3.2.1 数据预处理  68
3.2.2 模型评价指标  68
3.2.3 模型构建流程  69
3.2.4 超参数优化  70
3.3 本章小结  73
参考文献  73

4 基于机器学习的再生混凝土抗冻性能研究  75
4.1 数据库搭建与验证  75
4.1.1 再生混凝土抗冻性能影响因素  75
4.1.2 数据统计  76
4.1.3 数据相关性分析  78
4.1.4 模型超参数选取  79
4.2 模型评价指标与模型预测误差  83
4.2.1 模型评价指标  83
4.2.2 模型预测误差  85
4.3 模型预测结果与分析  87
4.3.1 抗冻性能影响因素权重  87
4.3.2 再生骨料对再生混凝土抗冻性能的影响  89
4.4 本章小结  92
参考文献  92

5 基于机器学习的再生混凝土抗氯盐侵蚀性能研究  94
5.1 数据库搭建与验证  94
5.1.1 再生混凝土抗氯盐侵蚀影响因素  94
5.1.2 数据统计  95
5.1.3 数据相关性分析  97
5.1.4 模型超参数选取  97
5.2 模型评价指标与模型预测误差  101
5.2.1 模型评价指标  101
5.2.2 模型预测误差  103
5.3 模型预测结果与分析  106
5.3.1 抗氯盐侵蚀性能影响因素权重  106
5.3.2 再生骨料取代率对再生混凝土抗盐蚀性能的影响  108
5.3.3 荷载对再生混凝土抗盐蚀性能的影响  110
5.4 本章小结  111
参考文献  112

6 基于机器学习的再生混凝土抗盐冻性能研究  113
6.1 数据库搭建与验证  113
6.1.1 再生混凝土盐蚀-冻融耦合作用下性能影响因素  113
6.1.2 数据统计  114
6.1.3 数据相关性分析  117
6.1.4 模型超参数选取  117
6.2 模型评价指标与模型预测误差  121
6.2.1 模型评价指标  121
6.2.2 模型预测误差  124
6.3 模型预测结果与分析  129
6.3.1 抗盐冻性能影响因素权重  129
6.3.2 再生骨料对再生混凝土抗盐冻性能的影响  131
6.4 本章小结  134
参考文献  135

7 结论与展望  137
7.1 结论  137
7.2 展望  139

在全球气候变迁加剧的背景下，混凝土材料在盐冻环境下的多物理场耦合损伤机制已成为土木工程耐久性研究的核心问题。盐冻耦合作用通过低温与盐分的协同效应，引起混凝土内部孔隙-裂纹的跨尺度损伤演化，导致其宏观力学性能退化与耐久性能劣化，进而造成寒区建筑、交通基础设施的服役性能加速衰减。
再生混凝土作为固体废物资源化利用的关键技术载体，虽在碳减排与可持续发展方面具有显著优势，但其多重界面过渡区造成的盐冻循环中的复杂损伤行为，已成为制约其在极端环境下工程化应用的重大技术瓶颈。机器学习作为人工智能领域的重要分支，在各个领域取得了突破性的进展。该技术通过对大量数据的学习与分析，能够建立复杂的非线性模型，从而实现对各种现象的准确预测和分析。将机器学习模型引入再生混凝土抗盐冻性能的研究中，有望通过分析大量实验数据并构建模型，有效识别影响再生混凝土性能的关键因素，为材料的优化设计提供科学指导。
本书旨在系统地探讨再生混凝土在盐冻环境下的性能表现，并运用机器学习模型深入挖掘再生混凝土抗冻、抗氯盐侵蚀和抗盐冻性能与其影响因素之间的内在联系。通过预测不同环境条件下再生混凝土的耐久性，为再生混凝土的配合比设计和工程应用提供坚实的科学依据。全书共7 章：第1 章是绪论，介绍再生混凝土抗冻、抗氯盐侵蚀、抗盐冻性能的研究现状，以及机器学习模型在再生混凝土性能预测方面的应用现状，在此基础上提出了本书的研究内容和学术观点；第2 章通过试验研究，探讨了再生混凝土在力学性能和抗盐冻性能方面的影响规律，并从细观结构层面探讨了其盐冻损伤机理，借助数值模拟手段进行验证和结果分析，为后续研究提供数据支持； 第3 章是机器学习在土木工程材料中的应用，包括机器学习模型选择与构建；第4、5、6 章分别介绍了基于机器学习模型的再生混凝土抗冻性能、抗氯盐侵蚀性能和抗盐冻性能，内容涵盖模型的选择、建立、训练及验证的全过程，并阐释了如何利用机器学习模型对再生混凝土的抗冻性能、抗氯盐侵蚀性能和抗盐冻性能进行预测和优化；第7 章对本书的研究内容进行了总结并提出了展望。
本书是作者与合作者多年研究工作的总结。感谢曲晶彤、刘昱、孙畅、来庆鑫、袁野、高铭睿、朱龙狄、王泽龙、梁玉、张平、张佳昕、周家归、朱盼南、于杭琳、赵冰野、李守钰、刘成圆、王博荣等博士研究生、硕士研究生对本书的贡献。感谢沈阳建筑大学王凤池教授、丁向群教授对本书的支持与帮助。本书在编写过程中，参考了许多公开发表的学术论文、著作、规范等，并将其列入参考文献中。本书得到了国家自然科学基金项目（项目编号： 52108235）、辽宁省教育厅科学研究项目（项目编号： lnqn202003、JYTMS20231578） 的资助，在此表示感谢。
由于作者学术水平有限，书中无法全面地解决所有问题，难免有思考局限和疏漏之处，恳请读者不吝赐教、指正。

著者
2025 年11 月
于沈阳建筑大学