基于擬合方法的混凝土碳化指標研究

華 清

(江西鐵山垅鎢業有限公司，江西 于都 342307)

混凝土材料由于其良好的受力與可塑性能，被廣泛應用于各類高層建筑、大跨橋梁、隧洞工程和港口與航道等項目中[1,2]。近年來由于環境問題凸顯，外部環境對混凝土的侵蝕影響愈演愈烈，工程結構的各類損傷問題層出不窮，甚至引發了諸多事故[3,4]。分析其原因，很大一部分是由于結構本身混凝土材料的碳化而導致的[5,6]。

針對這一問題，本文從混凝土的碳化機理入手，對影響混凝土碳化的各類影響因素進行分析。參考現有的分析方法，并引入多項式[7，8]，BP神經網絡[9]等擬合方法，對混凝土的碳化深度指標進行研究分析，對提高混凝土結構的耐久性壽命與材料的應用性具有一定的借鑒。

1 碳化機理分析

在工程環境中，混凝土材料中的堿性物質與空氣中濕潤的CO2氣體之間存在著一種復雜的物理化學反應。雖然混凝土材料的剛度相對較高，但仍然是一種多孔介質材料。空氣中的水蒸氣、CO2氣體等物質在外部壓力的影響下會滲入混凝土基體材料中與水泥水化后的Ca(OH)2發生化學反應，生成CaCO3和其他物質，使得混凝土基體的堿度降低，即為混凝土的碳化[5]。

參與碳化反應的物質不僅有水泥的水化物Ca(OH)2，往往硅酸鹽類水泥中的鋁酸三鈣、硅酸二鈣、硅酸三鈣、鐵鋁酸四鈣和石膏等物質與CO2之間也存在著一定的中和反應。

諸多研究表明，混凝土的碳化反應產物主要為碳酸鈣等物質，因此生成的此類物質對填充混凝土內部孔洞、縫隙具有一定效果，能提高混凝土本身的密實性，對提高混凝土的強度具有一定的積極效果。但同時這類中和反應會降低混凝土的堿度，破壞結構層中鋼筋表面的鈍化膜，使結構內部的鋼筋層更易發生銹蝕現象，導致內部裂縫的產生和保護層的破壞等諸多病害。

2 影響因素分析

混凝土結構在各類工程中被廣泛應用，因此其碳化性能也會受到諸多因素影響。根據影響混凝土結構的部位、性能等方面，可將其分為外部影響因素和內部影響因素。

2.1 外界因素

對于影響混凝土結構長期運營過程中的碳化深度，從外部侵蝕環境分析，主要存在CO2濃度、溫濕度、外部環境壓力和時間等因素。且已有研究表明，CO2濃度的平方根、溫度等因素與碳化深度成正比；相對濕度在50%～70%時碳化速度也較快。

2.2 內部因素

從內部因素分析，影響混凝土結構在各類環境中的碳化性主要是由于其水灰比、水泥特性、外加劑等參量存在一定差異。由于空氣中的水分子和CO2氣體會隨材料孔隙滲入混凝土基體中，因此水灰比的大小也會影響其碳化性能，孔隙比越大，其碳化速率越快。此外混凝土的和易性、減水劑的外加也會影響甚至改變混凝土的密實度，在一定程度上也影響混凝土的進一步碳化的發生。

3 碳化深度指標的預測與擬合

3.1 預測理論

根據上一節分析可知，影響混凝土碳化發展的因素較多，大體可分為外因和內因兩大類。但基于目前現狀，采用多參數指標進行混凝土的碳化研究往往存在樣本過大、時間成本較高，趨勢不明顯等缺陷，因此目前大多采用特定內因指標，具體研究CO2濃度、抗壓強度、碳化深度等外因指標對碳化深度影響的方法進行碳化深度的預測工作。主要形成了以阿列克耶夫等提出的FICK第一擴散定律的碳化深度理論和以張譽、牛荻濤等人[1]基于碳化試驗的深度預測模型方法。但由于混凝土碳化深度指標存在諸多影響因素，上述公式分別存在一定的局限條件和適用范圍，因此很難采用某一公式精確定量計算出不同標準混凝土的具體碳化深度。因此目前常采用以實驗數據為基礎的參數經驗公式進行碳化深度的預測分析，主要形式如式(1)所示。

X=αtm

(1)

其中,X為混凝土的碳化深度；α為碳化系數；t為碳化時間；m為指數項。

又由于碳化時間的平方根與碳化深度成正比例關系，則指數項m可取值為0.5，則式(1)可改寫為式(2)形式：

(2)

若考慮抗壓強度、CO2濃度等外部因素，式(2)又可改寫為式(3)形式：

(3)

其中,C為結構試驗條件下的CO2濃度；fcu為材料構件碳化前的立方體抗壓強度,MPa。

3.2 引入的擬合方法

1)多項式擬合。

本文擬引入多項式擬合方法，將最小二乘方法與混凝土碳化深度的預測相結合，使得通過若干影響參數得到的分析值與碳化深度實測值之間的差異取得最小。

2)神經網絡擬合。

將反饋型的神經網絡方法引入碳化深度的擬合，通過一定數量輸入、輸出層樣本的參數訓練，得到適宜的神經網絡模型，通過訓練后的模型進而通過相應樣本進行驗證。

4 案例驗證

4.1 多項式擬合案例

本文利用文獻[10]張譽等提出的半理論半經驗模型數據進行對比分析，引入水泥用量、水灰比、相對濕度和碳化時間等參數進行類比分析，擬采用的數據如表1所示。

表1 混凝土的參數分析樣本

通過本文引入的多項式擬合方法對上述混凝土參數進行擬合驗證。結合式(2)的經驗公式，碳化系數α可輸出為二次項形式，形成如式(4)所示的深度預測公式：

(4)

其具體的預測效果對比如表2所示。

表2 混凝土的碳化深度預測對比

通過表2可以看出，除序號6，7兩組數據以外，采用多項式擬合方法進行碳化深度預測的效果基本保持在15%以內，滿足初步預測的精度要求。

4.2 神經網絡擬合案例

而基于神經網絡方法的擬合，本文擬將文獻[10]～[12]中的水灰比、溫度、濕度、CO2體積分數、碳化時間、水泥用量、水泥強度和抗壓強度等參數作為其輸入層的樣本參數，碳化深度作為輸出參數進行神經網絡方法的擬合,由于篇幅原因，這里未列出具體樣本數據。隨機選取3組數據作為輸出樣本，其余21組別數據作為輸入樣本層，根據參數特點選取適應的網絡迭代次數和期望誤差，根據式(5)并通過多次試算選取適宜的隱含層數：

(5)

其中，m為神經網絡的輸入層神經元個數；n為神經網絡的輸出層神經元個數；l為附加常數，且l的范圍為1～10之間。

根據上述條件并進行試算，將隱含層數D取值為9，其預測效果如表3所示。

表3 神經網絡方法預測的混凝土的碳化深度情況

結果表明，采用神經網絡法也可以得到較好的碳化深度預測結果。

5 結語

本文對混凝土的碳化指標進行研究分析，首先，對其進行機理分析，發現碳化是導致混凝土結構中鋼筋銹蝕和保護層脫落破壞的主要因素；然后，對導致碳化破壞的各類影響因素進行了簡要羅列；接著，對碳化深度預測理論進行分析，并引入擬合方法；最后，通過對比與驗證算例表明：目前多采用的半理論半試驗模型進行混凝土碳化深度指標的預測效果較好，但過程較為復雜。采用本文引入的簡便經驗公式擬合也可滿足初步預測的精度要求，另外引入的神經網絡方法也可以得到較好效果。