编辑推荐：
这篇综述系统探讨了混凝土耐久性计算建模的最新进展，重点分析了碳化、氯离子侵蚀、冻融循环和化学侵蚀等关键降解机制的模拟方法。文章创新性地提出将人工智能（AI）和机器学习（ML）与传统计算模型结合，显著提升了预测精度；同时通过耦合生命周期评估（LCA）框架，实现了耐久性设计与可持续性目标的协同优化。作者团队强调，这种多学科交叉方法为开发低碳（CO2减排）高耐久混凝土结构提供了新范式。
混凝土耐久性直接影响结构服役寿命和维护成本，传统实验方法存在周期长、成本高的局限。随着计算力学和人工智能的发展，多尺度建模与数据驱动方法正重塑耐久性评估范式。本文系统梳理了从经验模型到多物理场耦合模拟的技术演进，特别关注AI增强预测和LCA整合带来的范式变革。
规范设计法依赖材料配比和环境等级划分，如BS 8500-1通过规定水灰比（w/c）和保护层厚度保障抗氯离子性能。但该方法难以量化实际服役寿命，且对矿渣（GGBFS）等低碳胶材的适用性存疑——高矿渣含量（≥50%）会因Ca(OH)2储备降低而加剧碳化风险。
性能设计法则基于退化模型动态预测，如fib Model Code采用Fick第二定律模拟氯离子扩散，结合概率分析量化环境变异影响。该方法支持"端部结果规范"（ERS），通过氧渗透指数（OPI）等性能指标引导施工质量控制，已在加拿大等国的标准中实践。
传输模型聚焦离子/流体迁移：
氯离子扩散采用修正Fick模型，引入对流区深度Δx参数（式2）
多离子竞争传输模型（TCTD）可模拟Cl-/SO42-的拮抗效应
冻融损伤的细观模拟结合孔隙膨胀理论，误差<7%（ABAQUS实现）
反应模型揭示化学劣化机制：
硫铝酸盐侵蚀通过DuCOM-PHREEQC模拟钙矾石膨胀
酸蚀模型（HYTEC）量化C-S-H相脱钙导致的孔隙率演化
损伤模型则采用混凝土损伤塑性（CDP）理论，耦合锈胀开裂与力学性能退化。表1对比了三大类模型特征，其中反应-传输耦合模型对海洋环境服役寿命预测误差可控制在15%内。
机器学习在碳化深度预测中表现突出：
LSSVM模型对粉煤灰混凝土的预测R2>0.9
XGBoost特征分析揭示水/CaO比是关键隐变量
随机森林（RF）处理氯离子表面浓度预测时精度达83%
腐蚀预测方面，图神经网络（GNN）在钢筋锈蚀裂纹预警中实现>90%分类准确率，但存在训练集外样本泛化不足的问题。最新趋势是物理信息机器学习（PI-ML），如将Fick定律作为约束嵌入神经网络，兼顾数据驱动与机理保障。
传统LCA假设固定服役年限（如50年），而耦合模型动态关联退化速率与环境影响：
碳化兼具劣化与CO2封存效应，拆除后碳吸收率可从24%提升至57%
氯离子模型驱动的维护规划使挪威Stava桥减排19%
冻融耐久性设计权衡引气剂增排与维修减排的平衡点
提出的系统架构包含四层：物联网数据层→AI分析层→动态LCA引擎→决策优化层。案例显示，AI优化配合比可使百年全球变暖潜势（GWP）降低8.6%，同时冻融耐受时间缩短21%。
当前瓶颈包括：
热带气候数据缺失导致模型迁移困难
多物理场仿真计算成本高昂
EN/ACI标准差异阻碍框架普适化
未来应发展：
转迁移学习适配新型胶材（如碱激发胶凝材料）
边缘计算实现嵌入式实时监测
动态环境产品声明（EPD）体系
通过持续迭代计算模型、AI工具与可持续指标的深度融合，将推动混凝土基础设施向"精准耐久"与"零碳运维"的目标迈进。
生物通 版权所有
