1 导读

超高性能混凝土（UHPC）在长期动态荷载下的应力集中与损伤演化难以实时监测，传统传感器存在耐久性差、成本高、与基体变形不协调等局限。近期发表在《Lifeline Emergency and Safety》的一项研究提出了提出一种电阻率增强的多物理场机器学习框架，用于碳纳米管改性高灵敏UHPC的动态抗压应力预测。该研究采用双层神经网络（DLNN）、提升树（BT）和平方指数高斯过程回归（SE-GPR）三种不同的机器学习算法，分别构建了HS-UHPC的抗压应力预测模型。结果表明，在位移数据的基础上引入电阻率测量值，能够显著提升模型的预测精度，与仅使用位移的模型相比，决定系数（R²）提高了0.06。在位移与电阻率双输入条件下，SE-GPR模型表现最佳，R²达到0.85，均方根误差（RMSE）为0.11，其平均绝对误差较仅用位移的模型降低了41.1%。该研究核心创新在于利用电阻率对荷载下微结构演化的直接响应能力，弥补了传统应变/位移对损伤信息捕捉不足的缺陷，为自感知混凝土的智能监测提供了新理论依据。

2 图文介绍

为系统评估电阻率对动态抗压应力预测的贡献，该研究基于446组HS-UHPC单轴加载实验数据构建了抗压应力预测模型。模型输入参数包括材料配合比、位移及电阻率。研究设置了两组输入配置：数据集I（配合比+位移）作为基准参照，数据集II（配合比+位移+电阻率）用于验证电阻率的增强效应。抗压应力主要集中于10–90 MPa区间；电阻率呈现双峰分布，分别位于0–70 Ω·m与100–150 Ω·m两个区间，对应不同CNT掺量下HS-UHPC的电学响应差异；位移主要分布于0–1.5 mm范围。该分布形态表明，电阻率对材料组分变化具有较高的敏感性，具备作为辅助预测变量的物理基础，为后续模型训练提供了可靠的样本基础。

图1参数分布统计图：(a)抗压应力；(b)电阻率；(c)位移；(d)碳纳米管含量

基于上述参数，图2的敏感性分析进一步揭示了输入变量之间的定量关系。其中，位移与抗压应力的相关系数最高（0.51），表明位移是主导信息源，但其本质上仍属于宏观变形结果。电阻率与抗压应力呈中等程度正相关（0.20），而电阻率与位移之间的相关系数仅为0.26，说明两者相互独立。与位移不同，电阻率更能反映加载过程中的细观演化机制，包括微裂纹的萌生与扩展、导电通路的断裂与重构等，从而与位移形成有效互补，有助于降低模型过拟合风险。此外，钢纤维及碳纳米管（CNT）含量与抗压应力的直接相关性较弱，但与电阻率的相关系数分别为0.30和-0.66，表明二者主要通过调节电阻率来间接影响预测效果。基于上述分析，研究将电阻率与位移共同作为双输入核心参数。

基于上述相关性分析，图3进一步对比了三种模型在两种输入配置下的预测性能。采用数据集II（配合比、位移与电阻率）作为输入时，各模型的预测值与实验值之间的一致性均显著增强。其中，SE-GPR模型表现最优（图3(f)），其决定系数R²由0.79提升至0.85，均方根误差RMSE由0.13下降至0.11。上述结果表明，在配合比、位移等传统输入参数的基础上引入电阻率作为附加特征，能够有效提升模型对动态抗压应力的预测能力，

图3 抗压应力预测结果：(a), (c), (e)：数据库I结果；(b), (d), (f)：数据库II结果

进一步，为量化引入电阻率对预测准确性的提升效果，图4给出了误差分析结果。在数据集II（配合比+位移+电阻率）输入条件下，SE-GPR模型的平均绝对误差较数据集I（配合比+位移）降低41.1%，BT和DLNN模型分别降低12.3%和16.9%。SE-GPR模型表现突出的原因在于，其贝叶斯非参数框架结合平方指数核函数，具备对复杂非线性关系的不确定性量化能力。综上所述，本研究从数据分布分析入手，依次通过输入参数相关性分析与预测性能对比，完整验证了电阻率增强多物理场框架的有效性。

图4 抗压应力预测误差：(a), (c), (e)：数据库I结果；(b), (d), (f)：数据库II结果

3 文章引用信息

Liao B, Chi L, Qiang C, et al. Resistivity-enhanced multi-physics machine learning framework for dynamic stress prediction in high sensitive UHPC. Lifeline Emergency and Safety, 2026, 1(2): 9660012. https://doi.org/10.26599/LLES.2025.9660012

4 作者介绍

1. 廖斌，男，上海理工大学环境与建筑学院研究生。

2. 迟琳，女，上海理工大学环境与建筑学院副教授。

3. 强辰龙，男，上海理工大学环境与建筑学院研究生。

4. 朱瑞，男，上海理工大学环境与建筑学院研究生。

5. 崔事成，男，上海理工大学环境与建筑学院本科生。

6. 张黎飞，男，东莞理工学院生态环境与建筑工程学院讲师。