1.4 混凝土温度参数反分析研究进展

1.4.1 反分析方法

反分析分为两类，即系统辨识和参数辨识。系统辨识是通过量测得到系统的输出和系统的输入数据来确定描述这个系统的数学方程，即模型结构。为了得到这个模型，我们可以用各种输入来试探该系统并观测其响应（输出），然后对输入-输出数据进行处理来得到模型。系统辨识又可分为“黑箱问题”和“灰箱问题”。“黑箱问题”又称完全辨识问题，即被辨识系统的基本特征完全未知，要辨识这类系统是很困难的，目前尚无有效的方法；“灰箱问题”又称不完全辨识问题，在这类问题中，系统的某些基本特征为已知，不能确切知道的只是系统方程的阶次和系数，这类问题比“黑箱问题”容易处理。

参数辨识是在模型结构已知的情形下，根据能够测出来的输入-输出来决定模型中的某些或全部参数。参数辨识是近几年发展较快的年轻学科，在各个领域都引起了重视。根据问题的性质和寻找准则函数极值点算法的不同，参数辨识法可分为正法和逆法。逆法和正法的求解过程相反，它是把模型输出表示为待求参数的显函数，由模型的量测量，利用此函数关系来反求待求参数。正法不是利用极值的必要条件求出参数，而是首先对待求参数指定初值，然后反复计算模型输出量，并和输出量测值比较，直到准则函数达到最小值。如果吻合良好，假设的参数初值就是要找的参数值，否则修改参数值，重新计算模型输出值，再和量测值进行比较直到准则函数达到极小值，此时的参数值即为所要求的值。

研究发现，正法和逆法都是寻求准则函数的极小点，但寻求的算法不一样。正法比逆法具有更广泛的适用性，它既适用于模型输出是参数的线性函数的情形，也适用于非线性的情况。逆法需要有较明确的解析解，正法可以采取数值解法，在实际运用中应用更为广泛^［119］。目前，常用的正反分析方法有最小二乘法、阻尼最小二乘法、鲍威尔法、单纯形加速法、模式搜索法、变量轮换法^［120］、复合形法、可变容差法^［121］等，较新的发展较快的还有神经网络分析法^［122］、摄动反演分析法^［123］、遗传算法^［124］等。

遗传算法是基于生物进化仿生学算法的一种，它建立于达尔文生物进化的“物竞天择，适者生存”的基本理论之上，是一种自适应概率性全局优化搜索算法，可处理设计变量离散、目标函数多峰值且导数不存在、可行域狭小且为凹形等优化问题。遗传算法作为一种智能化的全局搜索算法，自20世纪80年代问世以来便在数值优化、系统控制、结构优化设计、参数辨识等诸多领域的应用中展现了其特有的魅力。

1.4.2 温度参数反分析

混凝土热学参数的选取一般都是通过专用绝热温升仪进行试验或者用经验公式进行计算。试验仪器不但价格昂贵，而且受室内环境条件的限制，试验参数很难反映施工现场混凝土的真实性能；经验公式计算的热学参数又往往和实际情况有较大出入。为了克服这些缺陷，需要有一种方便、准确、快捷的方法来达到参数识别的目的，混凝土热学参数的反分析便应运而生。在混凝土温度参数的反分析中，参数主要包括混凝土绝热温升、导热系数、导温系数、比热和边界热交换参数等。

对于混凝土热学参数的反分析，国内很多学者进行了研究并取得了较大成果。河海大学朱岳明^[125]教授利用试验结果，采用阻尼最小二乘法对温度场的绝热温升计算参数、导热系数、表面热交换系数进行反演计算。张宇鑫等^[126]采用遗传算法对混凝土的绝热温升参数、导温系数和表面热交换系数进行了反演分析，采用最优保护策略和二点交叉，对适应性函数进行拉伸的方法对基本的遗传算法进行改进，并用于温度场参数的反演分析^[127]。李守巨^[128]将热传导反问题作为非线性优化问题处理，建立了基于模糊理论的混凝土热力学参数识别方法，并分析了混凝土热力学参数识别结果的统计特性。文献 [129]采用可变容差法对混凝土的温度特性参数进行了反演分析。文献 [130]采用最小二乘法对基于等效时间的混凝土绝热温升模型中的相关计算参数进行了反演分析。文献 [131～134]将Bayes参数估计理论引入大体积混凝土不稳定温度场热学参数随机反演问题，建立了可考虑时间累计效应的Bayes参数反演误差函数，并将优化理论中的变尺度法应用于该反演问题。文献 [135]基于人工神经网络的方法，建立了碾压混凝土坝施工期热学参数反馈分析模型。文献 [136]将单调变化的环境温度以较小的时间步长分段线性化，利用叠加原理，提出了混凝土热学参数反分析的新方法。文献[137]采用复合形法对带冷却水管的混凝土热学参数进行了反演分析。

综上所述，遗传算法在混凝土热学参数反问题求解中具有精度高、反演快的优越性，是先进算法之一，克服了传统的梯度优化方法搜索速度随反演参数增多呈级数减慢、容易陷入局部极值点和误差传递导致不收敛等缺点。另外，该方法成为替代室内试验和经验公式选取热学参数的有效途径，值得在工程中推广应用。