利用扩散模型对采用钢管和夹层混凝土套加固的圆形混凝土填充钢管柱的性能进行预测

《Engineering Applications of Artificial Intelligence》：Performance prediction of circular concrete-filled steel tubular columns strengthened with steel tube and sandwiched concrete jackets using diffusion models

针对CFST柱钢-混凝土复合加固技术缺乏实验数据的难题，本研究提出基于GAN与扩散概率模型的合成数据生成方法，构建多维评估框架筛选高质量数据，并开发融合生成模型与高效机器学习算法的混合系统，实现加固柱极限承载力预测，同时建立双层次可解释性分析框架与可视化平台，有效提升工程应用可靠性。

　　

宋宗明|彭科奥|张超|卢一燕

武汉大学土木工程学院，中国武汉，430072

摘要

使用钢管和夹层混凝土护套的加固方法为提高钢管混凝土（CFST）柱的承载能力提供了有效的解决方案，并在工程应用中显示出巨大潜力。然而，实验数据的稀缺限制了在小样本条件下开发可靠的数据驱动预测模型的发展。尽管有限元模拟可以在一定程度上补充数据，但其高昂的计算成本和对专家经验的依赖性阻碍了其大规模应用。为了解决这个问题，本研究采用生成对抗模型和扩散概率模型来生成高质量的合成数据。建立了一个多维度评估框架，从统计特性、分布相似性和机器学习任务性能方面对合成数据进行了评估。基于该框架，通过将最优生成模型与高效的机器学习算法相结合，开发了一个生成-计算系统，以准确预测加固了钢管和夹层混凝土护套的圆形CFST柱的极限承载能力。此外，还引入了一个双级可解释性框架来解释预测机制，并开发了一个用于工程应用的智能可视化平台。所提出的框架减少了对大量实验数据的依赖，提高了预测模型的工程适用性，并为结构加固的智能设计和性能评估提供了新的视角。

引言

随着钢管混凝土（CFST）结构在建筑、桥梁和工业厂房中的广泛应用，与这些结构的改造、修复和升级相关的问题逐渐成为现代工程研究的热点（Wang等人，2017；Dundu，2012；Giakoumelis和Lam，2004）。在实际工程中，一些结构完好的CFST柱需要升级改造以满足更高的承载能力要求（Li等人，2023b；Tu等人，2022）。例如，在一个典型的工业场景中，中国首钢集团的2号高炉需要提高熔铁产量。因此，其CFST框架柱的原始设计承载能力已无法满足实际需求，迫切需要进行技术改造。然而，传统的加固方法（如碳纤维增强聚合物包裹）存在界面粘结弱和防火性能不足等问题，使其不适合在工业环境中确保长期性能（Han等人，2006）。为应对这一工程挑战，研究团队创新性地提出了使用钢管和夹层混凝土护套的加固技术（Ma等人，2025）。该技术的核心概念是在现有的圆形CFST构件外部添加两个半圆形钢管。这些钢管通过焊缝连接形成一个完整的圆形钢管壳，然后在内外钢管之间浇筑混凝土，从而与原始构件结合成整体结构（Huang等人，2024a，2024b）。研究小组进行的初步实验系统验证了这种加固技术的有效性。团队成员Li、Huang等人对加固了钢管和夹层混凝土护套的圆形CFST柱进行了轴向和偏心压缩试验（Li等人，2023a；Huang等人，2022）。结果表明，这种加固技术不仅显著提高了CFST柱的极限承载能力，还改善了构件的整体应力性能，为工业建筑的功能升级提供了优秀的解决方案。

数据驱动的智能算法正在深刻改变土木工程中的计算范式（Chen等人，2025a；Abdollahi等人，2024；Naser，2022；Czarnecki等人，2021；Alwanas等人，2019）。它们已成功应用于关键问题，如工程材料性能预测（例如，混凝土抗压强度（Li和Song，2023，2022；Feng等人，2020），结构响应分析（例如，节点失效模式的识别（Kim等人，2025；Wen等人，2025），以及复合结构的极限承载能力评估（例如，钢-混凝土复合系统（Song等人，2024a））。这些成就清楚地表明，数据驱动方法在结构性能计算中具有显著优势，在计算效率和准确性方面都远远超过了基于物理方程的传统参数拟合方法。然而，这些智能算法的预测能力高度依赖于训练数据的规模和质量。由于实验数据成本高且收集周期长，往往难以获得大量数据，这成为工程应用的数据积累瓶颈。作为一种新兴技术，加固了钢管和夹层混凝土护套的圆形CFST柱仍处于研究和探索阶段。目前，可用的实验数据有限，远不足以支持高效机器学习（ML）模型的开发。在小样本条件下，ML模型容易过拟合或欠拟合，导致预测的不确定性较大，从而降低了结构性能预测的可靠性（Chen等人，2025b；Saraygord Afshari等人，2022）。

传统上，有限元模拟（FEM）被用来补充实验数据。然而，使用FEM生成大规模样本数据不仅涉及极高的计算成本，还很大程度上依赖于操作者的领域知识和经验，这限制了其通用性和效率。为应对这一挑战，新兴的合成数据生成（SDG）技术为克服结构工程中的数据瓶颈提供了一种新方法（Tan等人，2024；Wang等人，2024）。通过学习和模仿真实实验数据的统计分布，SDG技术可以确保生成的数据既具有物理合理性，又与真实数据保持统计一致性。这种方法不仅大幅降低了数据生成的成本，还显著减少了对专家知识的依赖，从而在数据稀缺的情况下为模型训练提供了可靠的支持。

在土木工程领域，SDG正成为克服数据稀缺限制的关键方法。近年来，基于生成对抗网络（GAN）的衍生模型在各种工程问题中取得了显著进展，特别是条件表格式GAN（CTGAN），在合成工程数据方面展示了有希望的结果（Chen等人，2024；Zhang等人，2024；Goodfellow等人，2020）。Almustafa和Nehdi使用CTGAN生成了远场爆炸下钢纤维增强混凝土梁的动态响应数据（Almustafa和Nehdi，2022）。Wakjira和Alam应用CTGAN合成了约束超高性能混凝土的应力-应变曲线，成功预测了材料的峰值应力和极限应变（Wakjira和Alam，2024）。此外，本研究的主要作者Song使用CTGAN合成了CFST柱的防火极限数据，从而弥补了高温测试的高成本和较差的风险可控性（Song等人，2024b）。然而，基于GAN的模型在工程应用中仍存在固有的局限性，如生成数据的多样性不足和训练不稳定，这限制了它们在各种工程场景中的广泛应用（Habibi等人，2023）。相比之下，作为新一代生成范式的扩散概率模型（DPM）在图像和语音合成等领域表现出优于GAN的性能优势（Lisanza等人，2024；Wu等人，2024；Xiao等人，2024）。通过学习整个数据分布来生成样本，DPM可以显著提高生成样本的多样性，并消除了对复杂对抗机制的需求，从而使训练过程更加稳定。特别是新提出的高性能模型Tabsyn在生成效率和数据质量方面都表现出色（Kumari和Rajabi，2024；Park等人，2018a）。尽管DPM在一般领域表现出色，但其在土木工程中的应用仍然很大程度上未被探索，特别是在为加固了钢管和夹层混凝土护套的圆形CFST柱开发定制的生成框架方面。

本研究旨在开发一个智能生成-计算系统，用于分析加固了钢管和夹层混凝土护套的圆形CFST柱的极限承载能力，以解决数据稀缺和高实验成本的问题。主要研究内容包括：

• (1)
  数据构建和合成。

基于加固圆形CFST柱的实验数据和FEM结果，构建了一个原始数据集。随后，使用生成对抗模型CTGAN和扩散概率模型Tabsyn生成高质量合成数据，为后续建模提供足够的支持。

(2)

多维度数据质量评估。

为了确保合成数据的有效性，建立了一个综合评估系统，该系统评估变量相关性、分布相似性和机器学习任务性能，对合成数据进行了全面的质量评估。

(3)

混合生成-计算系统的构建。

在评估系统的指导下，选择了性能最佳的生成模型。然后将该模型生成的合成数据与最高效的ML模型相结合，构建了一个混合生成-计算系统，以实现加固圆形CFST柱的极限承载能力的有效预测。

(4)

全面的可解释性分析。

为了全面解释生成-计算系统，从全局参数筛选到局部特征贡献，提出了一个双级可解释性框架，将Morris敏感性分析与SHapley Additive exPlanations（SHAP）相结合。该框架旨在揭示潜在的预测机制并识别关键影响因素。

(5)

用户可视化平台的开发。

基于FastAPI框架开发了一个用户友好的可视化界面，进一步促进了智能生成-计算系统在工程实践中的应用。

部分内容

CTGAN

GAN的核心思想在于生成器和鉴别器之间的对抗训练，使得能够从随机噪声中生成接近真实数据分布的样本。随机噪声作为生成器的初始输入，逐步提高数据质量。同时，鉴别器检查输入数据的真实性。通过持续的竞争，生成器最终产生与真实数据无法区分的输出。

实验

本研究旨在解决加固了钢管和夹层混凝土护套的圆形CFST柱的实验数据稀缺问题。主要研究工作流程包括五个关键组成部分：数据构建和合成、多维度数据质量评估框架的开发、双级可解释性框架的设计以及用户友好可视化平台的实现。

变量相关性和分布相似性的评估

为了评估真实FEM数据集和合成数据集之间变量的相关性，比较了每个变量在真实FEM数据集和由Tabsyn及CTGAN生成的合成数据集中的平均值和标准差。评估结果总结在表3中，其中合成数据集的报告统计值代表了五折交叉验证的平均值。为了更直观地理解变量级别的相关性，见图4（a）、图4（b）。

结论与未来工作

本研究提出了一个智能生成-计算系统，用于分析加固了钢管和夹层混凝土护套的圆形CFST柱的极限承载能力，系统地解决了工程数据稀缺和高实验成本的问题。主要结论如下：

(1)

本研究基于FEM和之前的实验数据构建了一个加固CFST柱的FEM数据库，为后续数据生成奠定了基础。

(2)

作者贡献声明

宋宗明：撰写——原始草稿，软件，方法论。彭科奥：可视化，数据管理。张超：撰写——审阅与编辑，验证。卢一燕：资金获取，概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

本研究的资金由国家自然科学基金（资助编号：52238006）提供。作者们非常感谢他们的财政支持。