在役隧道衬砌结构硫酸盐腐蚀损伤预测方法及系统与流程

1.本发明涉及混凝土硫酸盐侵蚀的寿命预测领域，尤其涉及在役隧道衬砌结构硫酸盐腐蚀损伤预测方法及系统。


背景技术：

2.由于我国隧道工程的大规模开发和建造，无论是高速公路还是铁路隧道都在快速发展并越来越多。但是随着国家基础建设的完善，建造隧道已经慢慢降温，相应的如何维护和修护隧道成为了主要研究方向。在我国西南地区，隧道饱受硫酸盐侵蚀的困扰，硫酸盐的物理结晶作用以及化学侵蚀作用是导致西南地区铁路隧道衬砌混凝土表层剥落和失去胶结强度的重要原因，硫酸盐侵蚀引起的混凝土结构劣化破坏，表现为侵蚀性离子通过混凝土中水化产物发生反应，生成膨胀物质石膏和钙矾石。在混凝土试件外表孔隙处会产生结晶盐，内部产生的侵蚀产物具有膨胀性，所以产生结晶盐膨胀应力，导致混凝土开裂剥落，质量和erd大幅度下降
3.目前隧道混凝土硫酸盐侵蚀的寿命预测与钢筋混凝土的氯离子侵蚀寿命预测趋近一致。为了快速的测出硫酸盐的扩散深度，通过fick第二扩散定律计算出混凝土的实际寿命。其大多采用测量硫酸盐侵蚀深度，根据混凝土结构的扩散系数、混凝土内部的初始硫酸盐浓度等一系列数值计算出硫酸盐对隧道混凝土的侵蚀状况，从而对隧道混凝土的剩余寿命进行估量。
4.现有的计算模型计算量复杂，计算过程繁琐。而且由于隧道内部环境复杂，混凝土受到了干湿循环、地下水长期浸润和温度湿度等一系列环境因素影响。其创建的数学模型难以各方各面的考虑到所有环境因素的影响，所以实际研究中不能准确确定环境参数。这给数学、物理甚至是理论模型的实用性带来了很大的局限性，不能准确地应用到实际工程当中去。
5.但是隧道混凝土的损伤发展是一个实际发生且多变的过程，利用数学模型或者是物理理论模型对后续的发展预测误差极大，甚至不能有效的规避隧道破坏的危害。
6.因此，如何准确的预测出隧道混凝土酸盐侵蚀的损伤发展已成为本领域技术人员亟待解决的技术问题。


技术实现要素：

7.本发明提供了在役隧道衬砌结构硫酸盐腐蚀损伤预测方法及系统，用于解决现有的隧道混凝土酸盐侵蚀的损伤预测准确度低的技术问题。
8.为解决上述技术问题，本发明提出的技术方案为：
9.一种在役隧道衬砌结构硫酸盐腐蚀损伤预测方法，包括以下步骤：
10.获取在役隧道上的混凝土在被硫酸盐腐蚀过程中，所述混凝土的相对动弹模量或质量损失的时间序列；
11.基于所述混凝土的相对动弹模量或质量损失的时间序列，构建以混凝土过去的相
对动弹模量或质量损失的时间序列为输入量，以混凝土将来的相对动弹模量或质量损失的时间序列为输出的arima模型；
12.基于所述arima模型对所述混凝土将来的相对动弹模量或质量损失的时间序列进行预测，并根据预测的将来的相对动弹模量或质量损失对在役隧道衬砌结构硫酸盐腐蚀损伤进行预测。
13.优选的，获取在役隧道上的混凝土在被硫酸盐腐蚀过程中，所述混凝土的相对动弹模量的时间序列，包括以下步骤：
14.现场取芯制备的混凝土试件，该混凝土试件已受到长时间的硫酸盐侵蚀，并保留其内部的环境因素的影响；
15.将制备好的混凝土试件放入与所述实际工作环境一致的硫酸盐溶液中，采用干湿循环的方式对混凝土试件进行加速硫酸盐腐蚀；
16.以预设的采用周期对加速硫酸盐腐蚀过程中的所述混凝土试件进行多次超声波无损检测采样：对所述混凝土试件的每一次超声波无损检测采样时，均采集所述混凝土试件多个不同方向的纵波波速，并采用三维层次分析法对每次采样的混凝土试件的多个不同方向的纵波波速进行分析，得到每次采样的混凝土试件的综合纵波波速，并根据每次采样的混凝土试件的综合纵波波速与混凝土试件未被硫酸盐腐蚀时的综合初始纵波波速计算每次采样的混凝土试件的相对动弹模量；
17.按时间顺序对每次采样的混凝土试件的相对动弹模量进行排序，得到所述混凝土试件的相对动弹模量的时间序列。
18.优选的，采用三维层次分析法对本次采样的多个不同方向纵波波速进行分析，得到本次采样的混凝土试件的综合纵波波速，通过以下公式实现：
[0019][0020]
其中，v1'、v2'、v3'、v4'和v5'分别为本次采集的从混凝土试件侧面四个方向以及轴向方向采集的纵波波速，单位为m/s；v0′
为本次采集的混凝土试件的综合纵波波速，单位为m/s；w1、w2、w3、w4和w5为本次采集的从混凝土试件侧面四个方向以及轴向方向采集的纵波波速的权重。
[0021]
优选的，根据本次采样的混凝土试件的综合纵波波速与混凝土试件未被硫酸盐腐蚀时的初始综合纵波波速计算本次采样的混凝土试件的相对动弹模量，通过以下公式实现：
[0022][0023]
其中，e
rd
为t时刻采集的混凝土试件的相对动弹模量；v0，v
t
分别为混凝土试件未被硫酸盐腐蚀时的初始综合纵波波速和t时刻采集的混凝土试件的综合纵波波速。
[0024]
优选的，获取在役隧道上的混凝土在被硫酸盐腐蚀过程时，所述混凝土的质量损失的时间序列，包括以下步骤：
[0025]
现场取芯制备的混凝土试件，该混凝土试件已受到长时间的硫酸盐侵蚀，并保留其内部的环境因素的影响；
[0026]
将制备好的混凝土试件放入与所述实际工作环境一致的硫酸盐溶液中，采用干湿循环的方式对混凝土试件进行加速硫酸盐腐蚀；
[0027]
以预设的采用周期对加速硫酸盐腐蚀过程中的所述混凝土试件的质量进行多次采样，并在每一次采集到所述混凝土试件的质量参数后，按以下公式计算本次采集的混凝土试件的质量损失：
[0028][0029]
式中，δw
t
为t时刻采集的混凝土的质量损失率，w0、w
t
分别为混凝土试件未被硫酸盐腐蚀时的质量和t时刻采集的混凝土试件的质量，单位为克；
[0030]
按时间顺序对每次采样的混凝土试件的质量损失进行排序，得到所述混凝土试件的质量损失的时间序列。
[0031]
优选的，基于所述混凝土的相对动弹模量或质量损失的时间序列，构建以混凝土过去的相对动弹模量或质量损失的时间序列为输入量，以混凝土将来的相对动弹模量或质量损失的时间序列为输出的arima模型；包括以下步骤：
[0032]
用自相关函数和偏自相关函数检测所述混凝土的相对动弹模量或质量损失的时间序列是否为平稳时间序列，若不是平稳时间序列，对所述混凝土的相对动弹模量或质量损失的时间序列进行差分处理，得到所述混凝土的相对动弹模量或质量损失的平稳时间序列；
[0033]
使用所述相对动弹模量或质量损失的平稳时间序列拟合arima模型，并使用赤池信息准则和贝叶斯信息准则的最小准则法对所述arima模型的自回归项的阶数以及移动平均项的阶数进行定阶；
[0034]
使用qq-plot检验和dubin-watson检验对定阶后的所述arima模型进行残差检验，若定阶后的所述arima模型的估计值的残差序列为白噪声序列，则定阶后的所述arima模型为构建好的arima模型。
[0035]
优选的，所述自相关函数为：
[0036][0037]
所述偏自相关函数为：
[0038][0039]
式中，t表示时刻，y
t
为所述混凝土的相对动弹模量或质量损失的时间序列中t时刻的相对动弹模量或质量损失值，k表示滞后时间，滞后k自相关是指间隔k个时间段的观测数据之间的相关性，在pacf函数表达式中取k＝2。
[0040]
优选的，所述赤池信息准则公式为：
[0041][0042]
所述贝叶斯信息准则公式为：
[0043]
[0044]
式中，为似然函数，k为模型参数总数，n为测试次数，在aic和bic设置中，较低的值代表最佳模型，具有较高的似然值。
[0045]
优选的，得到构建好的arima模型后，还包括以下步骤；
[0046]
使用构建好的arima模型进行预测，并计算预测的所述混凝土的相对动弹模量或质量损失与实际的所述混凝土的相对动弹模量或质量损失之间的平均绝对误差、平均绝对百分比误差、均方误差和均方根误差，并根据计算的平均绝对误差、平均绝对百分比误差、均方误差和均方根误差对所述构建好的arima模型进行评价。
[0047]
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
[0048]
本发明具有以下有益效果：
[0049]
1、本发明中的在役隧道衬砌结构硫酸盐腐蚀损伤预测方法及系统，通过获取在役隧道上的混凝土在被硫酸盐腐蚀过程中，所述混凝土的相对动弹模量或质量损失的时间序列；基于所述混凝土的相对动弹模量或质量损失的时间序列，构建以混凝土过去的相对动弹模量或质量损失的时间序列为输入量，以混凝土将来的相对动弹模量或质量损失的时间序列为输出的arima模型；基于所述arima模型对所述混凝土将来的相对动弹模量或质量损失的时间序列进行预测，并根据预测的将来的相对动弹模量或质量损失对在役隧道衬砌结构硫酸盐腐蚀损伤进行预测。相比现有技术，本发明能准确预测出隧道混凝土损伤发展趋势。
[0050]
2、在优选方案中，本发明通过超声脉冲在混凝土的传播速度和混凝土内部损伤程度之间的关联性，利用测试出来的传播速度计算出的混凝土erd反映出混凝土内部的损伤程度。采用一种三维层次分析的方法对相关的数据进行处理和优化后得到改进的erd。将优化后的实验数据通过建立自回归积分滑动平均模型(arima)，预测出在役隧道混凝土制备试件的后续损伤失效时间，能进一步提高预测的准确性。
[0051]
3、在优选方案中，本发明考虑到混凝土环境因素对其的影响，并进行后续的实验加速，采用超声波无损检测和质量损失检测创建一个erd数据库和质量损失数据库，并用了实验和计算机相结合的方式，利用计算机对erd数据库和质量损失数据库的深度学习建立时间序列模型。模型的与实际结果的误差对比小，能够更快、更好地预测出隧道混凝土后续的发展趋势和损失失效时间点。
[0052]
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
[0053]
构成本技术的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0054]
图1是本发明优选实施例中的在役隧道衬砌结构硫酸盐腐蚀损伤预测方法的流程图；
[0055]
图2是本发明优选实施例中的三维层次分析法试件各个方向波速的权重值，(a)为b1试件各方向波速权重占比；(b)为b2试件各方向波速权重占比。
具体实施方式
[0056]
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
[0057]
实施例一：
[0058]
如图1所示，本实施中公开了一种在役隧道衬砌结构硫酸盐腐蚀损伤预测方法，包括以下步骤：
[0059]
获取在役隧道上的混凝土在被硫酸盐腐蚀过程中，所述混凝土的相对动弹模量或质量损失的时间序列；
[0060]
基于所述混凝土的相对动弹模量或质量损失的时间序列，构建以混凝土过去的相对动弹模量或质量损失的时间序列为输入量，以混凝土将来的相对动弹模量或质量损失的时间序列为输出的arima模型；
[0061]
基于所述arima模型对所述混凝土将来的相对动弹模量或质量损失的时间序列进行预测，并根据预测的将来的相对动弹模量或质量损失对在役隧道衬砌结构硫酸盐腐蚀损伤进行预测。
[0062]
此外，在本实施例中，还公开了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
[0063]
本发明中的在役隧道衬砌结构硫酸盐腐蚀损伤预测方法及系统，通过获取在役隧道上的混凝土在被硫酸盐腐蚀过程中，所述混凝土的相对动弹模量或质量损失的时间序列；基于所述混凝土的相对动弹模量或质量损失的时间序列，构建以混凝土过去的相对动弹模量或质量损失的时间序列为输入量，以混凝土将来的相对动弹模量或质量损失的时间序列为输出的arima模型；基于所述arima模型对所述混凝土将来的相对动弹模量或质量损失的时间序列进行预测，并根据预测的将来的相对动弹模量或质量损失对在役隧道衬砌结构硫酸盐腐蚀损伤进行预测。相比现有技术，本发明能准确预测出隧道混凝土损伤发展趋势。
[0064]
实施例二：
[0065]
实施例二是实施例一的优选实施例，其与实施例以的不同之处在于，对在役隧道衬砌结构硫酸盐腐蚀损伤预测方法的具体步骤进行了细化：
[0066]
在本实施例中，公开了在役隧道衬砌结构硫酸盐腐蚀损伤预测方法，该方法考虑到环境因素对混凝土的影响，不使用数学模型或者是物理模型进行计算，而是从已经遭受硫酸盐侵蚀的隧道中钻取实验试样，保留了其内部的环境因素进行实验。采用超声波无损检测和质量损失检测的实验对混凝土进行30个周期的测量，这种获取数据库的方式不会损害后续混凝土的损伤发展。后续对隧道混凝土损伤失效的预测我们采用计算机深度学习的方式，利用计算机的学习方法创建arima模型进行预测。
[0067]
计算机arima模型能够通过对前面30个周期的数据训练和模拟，顺利建立一个时间序列预测模型。根据已有的损伤破坏和30个周期的不断发展预测出后续的隧道混凝土发展趋势和失效时间点，如图1所示，具体步骤如下：
[0068]
步骤一：制备混凝土试件进行实验，
[0069]
(1)本文研究对象为服役隧道，所以实验采取现场取芯制备的混凝土试件，该试件
已受到长时间的硫酸盐侵蚀，保留其内部的环境因素的影响。将制作好的混凝土试件编号为b1、b2，放入设计好的硫酸盐溶液中，采用干湿循环的方式对试样进行加速硫酸盐腐蚀。干湿循环周期为24h，其中16h为浸泡期，放入浓度为2％和10％的硫酸钠溶液的浸泡箱中，保证混凝土试件为全浸泡，设置温度为20℃，相对湿度为95％。待浸泡16小时后取出混凝土试件，放入电热鼓风烘干箱内进行干燥，烘干温度设置为60℃。
[0070]
(2)取出放置在通风处冷却至室温，取混凝土试块侧面四个方向进行超声波无损检测。对混凝土试件进行超声波无损测试时，采取首波法测量混凝土试块的纵波波速。为了保证实验数据的准确，减小仪器、实验环境以及首波拾取中产生的系统误差，本实验在测试时使用与试样相同尺寸的有机玻璃试块作为校准试块。在对试样声速变化分析时，采用试样实际测得声速与同日期校准试块测得声速差值作为分析对象。由于声耦合现象的产生将会影响超声波在被检测对象的传播，影响检测结果。因此，在检测面上使用耦合剂(本文采用蜂蜜)加强超声波的穿透能力。
[0071]
(3)单次测量结束后，重复步骤(1)(2)进行循环。
[0072]
步骤二：通过超声波无损检测法erd数据库
[0073]
由于混凝土内部的腐蚀老化过程是不均匀的，所以各个方向上的腐蚀程度存在着很大的差异。本试验每次测试共获得5个方向声波速度，为便于分析，采用三维层次分析法对不同方向声波速度进行分析，获得综合声波速度。计算公式为：
[0074][0075]
其中，v1'、v2'、v3'、v4'和v5'为五个方向的纵波波速，(m/s)；v0′
为综合初始纵波波速，(m/s)；w1、w2、w3、w4和w5为各方向纵波波速的权重。其中，每次试验不同方向波速权重占比如图2所示。
[0076]
由于混凝土内部存在液体时会对超声波测试产生误差影响，所以将测试时间设置为干燥后自然散热后两小时。在根据式(2)、(3)可以计算硫酸盐侵蚀后混凝土试件的相对动弹模量：
[0077][0078][0079]
其中μ为泊松比；ρ为混凝土的密度(kg/m3)；v为超声波测试时的声速；e
rd
为硫酸盐侵蚀后混凝土试件的相对动弹模量；v0，v
t
分别为未进行干湿循环时的声波速度和已经干湿循环后混凝土试件的声波速度。
[0080]
步骤三：通过质量测量获得质量损失数据库
[0081]
采用感量为0.01g的电子天秤对混凝土每次干湿循环后进行质量损失测试。混凝土试件的质量损失的计算公式：
[0082]
[0083]
式中，δw
t
为硫酸盐经过干湿循环后混凝土试件的质量损失率，w0、w
t
分别为未干湿循环侵蚀混凝土试件的质量和混凝土试件干湿循环后的质量(g)。
[0084]
步骤四：创建arima模型
[0085]
本发明的研究对象为服役隧道，现场取芯制备的混凝土试件已受到长时间的硫酸盐侵蚀，后续损伤失效时间较短，因此属于小样本预测。另外，本文研究试块的相对动弹模量和质量均与时间有关，为了对时间序列数据进行有统计意义且适合小样本的预测方法，选择采用arima模型对其进行预测。arima模型可以在数据平稳不确定的情况下通过差分法找到合适的数据对模型进行预测处理，这在许多预测情况中得到了广泛的应用。
[0086]
创建arima模型，利用单步预测方法对b1、b2相对动弹模量和质量进行仿真预测。设置当相对动弹模量损失到达60％和质量损失到达5％时即判定混凝土试件失效。在matlab运行arima时间序列后，第一步使用acf和pacf图检查时间序列是否为非平稳时间序列。如果acf随着滞后数的增加而不趋向于0或者趋向于0的速度偏慢，则表示这些时间序列数据是非平稳时间序列，需要对其进行差分平稳。如果acf和pacf判定时间序列为平稳性时间序列数据，则直接使用该数据进行arima建模。
[0087]
arima模型是arma模型中的非平稳数据通过差分法得到平稳数据建立的模型，其中包括自回归模型(ar模型)、滑动平均模型(ma)以及差分法(i)。arima有3个特征，p,d,q，其中p是自回归(ar)项的阶数，q是移动平均(ma)项的阶数，d是使时间序列平稳所需的差分阶数模型。需要建立arima模型就要根据p、d、q的数值确定ar和ma的方程。以下是pth阶ar模型和qth阶ma模型的广义方程：
[0088]
ar：y
t
＝c α1y
t-1
α2y
t-2

…
α
pyt-p
ε
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0089]
ma：y
t
＝c ε
t
θ1ε
t-1
θ2ε
t-2

……
θ
p
ε
t-p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0090]
arima：y
t
＝c α1y
t-1
α2y
t-2

…
α
pyt-p
ε
t
θ1ε
t-1
θ2ε
t-2

…
θqε
t-q
ꢀꢀꢀꢀ
(7)
[0091]
其中，c为截距常数项，y
t
为当前时间序列值，而y
t-i
为过去时间序列值，αi为自回归平均模型系数，θi为移动平均模型系数，ε
t
为方差为σ2的白噪声过程。白噪音即对于所有时间t，时间序列yt满足下列条件，即为白噪音过程。进行arma模型预测的时间序列必须是平稳非白噪声序列。
[0092][0093]
4.1数据平稳性检验
[0094]
对数据平稳性进行检验是时间序列分析的重要步骤，这里使用自相关图的自相关函数(acf)和偏自相关函数(pacf)来进行检验。其中acf是前时间序列数据与现在时间序列数据之间的相关性，描述的是现在t时刻与(t-k)时刻观测值之间的线性关系。是一个找出重复模式(如被噪声掩盖的周期信号)，或识别隐含在信号谐波频率中消失的基频的数学工具。pacf则剔除了其他随机变量的影响，单纯测度现在时间序列数据与滞后值的相关性。
[0095]
[0096][0097]
k是指滞后，滞后k自相关是指间隔k个时间段的观测数据之间的相关性，在pacf函数表达式中取k＝2。其中蓝色区域为误差范围，区域内的数据被认为是不显著的。acf考虑所有周期的相关性，pacf则只考虑特定周期的相关性，它给了我们很好的确定自相关周期的起点。
[0098]
4.2arima时间序列模型数据库差分
[0099]
差分法消除了时间序列水平上的变化，进行arima模型预测需要对不平稳数据进行差分。且为了保证数据的有效利用，模型最多进行二阶差分提取有用信息。其中一阶差分和二阶差分在数学上可以用方程表示为：
[0100]
一阶：y
′
t
＝y
t-y
t-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0101]
二阶：y
″
t
＝y
t-2y
t-1
y
t-2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0102]
其中y
t
为非平稳时间序列数据，y
t-1
为时间戳t-1的观测值，y
t-2
为时间戳t-2的观测值，y
′
t
为对非平稳时间序列进行一阶差分后的时间序列，y
″
t
为二阶差分后的时间序列。
[0103]
4.3模型数据的拟合
[0104]
使用赤池信息准则(aic)和贝叶斯信息准则(bic)的最小准则法对模型进行定阶p、q。aic建立在熵的概念基础上，是衡量统计模型拟合优良性的一种标准，它鼓励数据拟合的优良性但是尽量避免出现overfitting的情况。bic是统计模式识别中的一个基本方法，贝叶斯决策判据既考虑了各类参考总体出现的概率大小，又考虑了因误判造成的损失大小，判别能力强，且适用于小样本预测。aic和bic都使用了惩罚似然准则，其中arima模型越真实，aic和bic的数值越小，预测的结果就越贴近观测值。
[0105][0106][0107]
这里为似然函数，k为模型参数总数，n为测试次数。对比aic和bic，由于bic同时考虑到估计的不确定性以及参数的不确定性，而aic只考虑了估计的不确定性，所以bic对模型施加了更大的惩罚，从而bic会得到更加简约的模型。在aic和bic设置中，较低的值代表最佳模型，具有较高的似然值。
[0108]
4.4模型的残差检验
[0109]
arima模型需要进行残差检验确保阶数的合适，残差即原始信号减掉模型拟合出的信号后的残余信号。若残差项是白噪声信号，说明有用的信号已经被提取，为显著有效模型。
[0110]
残差检验包括qq-plot(quantile-quantile plot)检验和dubin-watson检验。qq-plot检验用于直观验证一组数据是否为正态分布，定义横纵坐标后，则可做出散点图。然后再在图上添加一条检验正态分布直线，对比分析样本数据是否落在正态分布直线附近，当样本数据偏离直线过大则显示出模型的不合理。
[0111]
dubin-watson检验是由杜宾(dubin)和沃森(watson)提出的诊断模型残差自相关性的检验统计量。此统计量值介于0～4之间，统计量值趋同于2时，模型越倾向于不存在自
相关，即模型优化合理。
[0112]
4.5预测模型精度的评估
[0113]
通过平均绝对误差(mae)、平均绝对百分比误差(mape)、均方误差(mse)和均方根误差(rmse)等指标对预测精度进行评价，具体计算公式分别为:
[0114][0115][0116][0117][0118]
步骤五：预测隧道混凝土损伤情况
[0119]
最后利用建立的质量损失模型和erd模型设置临界值，当混凝土的质量损失情况到达5％时，判定混凝土已经失效。当相对动弹模量降低到60％判断为混凝土试件的失效。最后得到隧道混凝土的具体失效时间和后续发展情况，判断出隧道二衬是否进行拆除和维护。
[0120]
综上所述，本发明中的在役隧道衬砌结构硫酸盐腐蚀损伤预测方法及系统，通过获取在役隧道上的混凝土在被硫酸盐腐蚀过程中，所述混凝土的相对动弹模量或质量损失的时间序列；基于所述混凝土的相对动弹模量或质量损失的时间序列，构建以混凝土过去的相对动弹模量或质量损失的时间序列为输入量，以混凝土将来的相对动弹模量或质量损失的时间序列为输出的arima模型；基于所述arima模型对所述混凝土将来的相对动弹模量或质量损失的时间序列进行预测，并根据预测的将来的相对动弹模量或质量损失对在役隧道衬砌结构硫酸盐腐蚀损伤进行预测。相比现有技术，本发明能准确预测出隧道混凝土损伤发展趋势。
[0121]
此外，本发明方法具有很强的推广性，能够根据不同隧道钻取的混凝土建立不同的erd数据库和质量损失数据库。其数据能够保持在模型的后续发展趋势上，避开了数学模型大量的未知环境参数。
[0122]
此外，本发明方法采用实验和计算机相结合的方式，其可靠性更高，具有更强的工程实用性。能够广泛地应用到各个隧道的维护和维修当中去。
[0123]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。