基于贝叶斯模型更新与非支配排序遗传算法的钢纤维混凝土智能配比设计框架

【编辑推荐】本研究创新性地将马尔可夫链蒙特卡洛（MCMC）采样与贝叶斯模型更新相结合，构建了钢纤维混凝土（SFRC）抗压/劈裂抗拉强度的高精度预测模型（R2提升15.7%），并采用非支配排序遗传算法（NSGA）实现强度-成本-碳排放多目标优化，为绿色建筑中纤维高效利用提供智能决策框架。

　　

Highlight

本研究的关键创新点包括：

(a) 结合马尔可夫链蒙特卡洛（MCMC）采样与贝叶斯模型更新技术，精准捕捉钢纤维混凝土（SFRC）力学性能与配合比间的复杂非线性关系，显著提升关键变量交互作用的建模精度；

(b) 首次将抗压强度、劈裂抗拉强度、成本及碳足迹等多目标纳入配比设计，通过逆向计算确定最优SFRC组分，开创了新型设计范式；

(c) 建立覆盖资源效率、环境影响与经济性的综合设计框架，为绿色建筑可持续发展提供实践指导。

Bayesian model updating for mechanical strength estimation

贝叶斯模型更新方法基于贝叶斯统计推断，通过融合先验知识与实验数据迭代优化参数，其核心在于计算后验分布——不仅能给出点估计，还能量化参数不确定性。与传统最小二乘法相比，该方法随数据量增加持续提升预测准确性，尤其擅长处理SFRC原材料批次差异导致的性能波动问题。

Multi-objective mix design optimization

在实际生产中，混凝土常需同时满足抗压强度提升、抗裂性增强、成本控制及环境友好等相互制约的需求。本研究采用约束多目标优化算法求解帕累托最优解集：当水胶比降低0.1时，碳排放减少12%，但成本增加8%；纤维增强指数每增加0.5kg/m³，抗拉强度提升9%而碳足迹上升15%。优化结果表明，对受压构件而言，单纯增加纤维的性价比低于调整水胶比，但对抗裂结构则能减少60%的综合成本。

Conclusions

通过整合671组实验数据与智能算法，本研究证实：降低水胶比与骨胶比、提高砂率及纤维增强指数可显著改善SFRC强度；粗骨料粒径增大会降低抗压强度但对抗拉强度影响有限。该框架为工程实践中钢纤维的精准投放提供了科学依据，助力实现"强度-经济-环保"三重目标协同优化。