基于损伤诱因反演的高桩码头结构健康评估

来源：水利水运工程学报杂志 2025年第1期北京时间：

作者：周世良,唐盟涵,孙世泉,徐瑛,谢雷

摘要：现有的码头结构评价方法具有滞后性，无法持续获取结构的安全信息。基于损伤诱因反演研究，综合码头常见的两种失效模式，引入承载力富余系数作为码头结构评价指标，依托机器学习方法开展损伤诱因强度、位置、承载力富余系数的预测。结果表明：粒子群优化神经网络（Particle Swarm Optimization-Back Propagation, PSO-BP）模型对强度反演与承载力富余预测效果最好；粒子群优化支持向量机（Particle Swarm Optimization-Support Vector Machine, PSO-SVM）优化模型对损伤诱因位置识别精度最高。本研究中PSO-BP与PSO-SVM模型预测精度较高，为基于损伤诱因反演的码头健康监测方法提供了状态评价指标，可为码头结构长期、动态评价提供参考。

关键词：高桩码头, 机器学习, 损伤, 反演, 承载力