Bridge deterioration prediction models using artificial intelligence in a missing data scenario

Christian Alexandre Feitosa de Souza

doi:10.1016/j.istruc.2025.109112

2025-07-01

PRE

Christian Alexandre Feitosa de Souza *

José Maria Franco de Carvalho

Marcos H. F. Ribeiro

Ana Carolina Pereira Martins

Fernando Gussão Bellon

Matheus Sant’Anna Andrade

Diôgo Silva de Oliveira

José Carlos Lopes Ribeiro

Kléos Magalhães Lenz César Júnior

José C. Matos

DOI：10.1016/j.istruc.2025.109112

原文链接

原文求助

摘要

En 中文

桥梁基础设施对全球交通运输至关重要，但其因环境因素和持续使用而导致的劣化带来了显著的安全和维护挑战。本研究介绍了一种在数据有限场景下利用人工智能（AI）预测桥梁劣化的方法，将实际检测数据与模拟数据相结合。人工神经网络模型，特别是多层感知器（MLP），在准确性和适用性方面均优于确定性模型和概率模型等传统方法。该方法论从基于三阶多项式函数的确定性模型，发展到使用马尔可夫矩阵的概率模型，最终发展为神经网络模型。该途径通过结合实际和模拟数据克服了数据限制，形成了一个综合数据库。AI模型有效捕捉了桥梁年龄、交通量、环境条件等关键变量之间的复杂相互作用，从而提高了预测精度。在恶劣和非恶劣环境中应用时，AI模型均优于传统方法，在非恶劣环境中实现了决定系数（R2）为0.84和平均绝对误差（MAE）为0.33，在恶劣环境中实现了R2为0.81和MAE为0.34。处于恶劣环境中的桥梁比非恶劣环境中的桥梁大约早10年出现关键劣化。这些结果表明，AI在增强劣化预测方面具有潜力，有助于改善基础设施管理和维护。

Keyword:

Missing Data

Artificial intelligence

Bridge Management

Infrastructure Management