AI预测建筑加固强度，误差缩至1kN！机器学习破解FRP粘结难题

老房子加固的"卡脖子"问题

走在历史街区，常见外墙贴着一层"塑料布"——这是纤维增强聚合物（FRP），一种轻便高强的建筑加固材料。但你知道吗？这些"塑料布"和老砖墙的粘结强度，直接决定着地震时房子会不会塌。传统设计靠经验公式，误差大时甚至可能高估50%！沙特学者用AI破解了这个难题：机器学习模型预测FRP与砌体粘结强度，误差仅1kN，准确率超97%。

粘结强度：加固效果的"命门"

FRP像"建筑创可贴"，靠粘结力把脆弱的老砖墙"粘"成整体。但现实中，粘结失效是加固失败的主因——就像创可贴没贴牢，一撕就掉。过去，工程师用意大利指南（CNR-DT 200 R1）估算粘结强度，公式依赖"经验系数"，遇到不同砖块（黏土砖、石灰岩等）就容易"翻车"：测试数据显示，传统方法误差最高达3.7kN，相当于高估了近一半的安全余量。

1583次试验喂出的"粘结预测师"

为了让AI学会"看"粘结强度，研究者翻遍56篇文献，收集了1583次剪切拉拔试验数据（相当于把FRP从砖块上"硬扯"的力值）。这些数据涵盖黏土砖、石灰岩等7类砌体，CFRP、GFRP等6种FRP材料，甚至包括不同宽度、厚度的FRP板。

关键一步是"挑重点"：工程师筛选出7个最影响粘结力的参数——砖块抗压强度、FRP板宽/厚/弹性模量、粘结长度等。就像做蛋糕，面粉、糖、烤箱温度是关键，其他材料影响小。

AI vs 老公式：谁更准？

训练好的三种AI模型（CatBoost、Extra Trees、XGBRegressor）开始"考试"：

• 准确率：测试数据中，AI模型解释了87%-90%的粘结力变化（R²值），相当于100道题能答对87-90道；
• 误差小：平均预测误差仅1kN（传统方法误差3-5kN），相当于用尺子量身高，AI误差1厘米，老公式误差3-5厘米；
• 抗干扰：面对砖块强度波动、FRP厚度变化等复杂情况，AI能捕捉到"非线性关系"——比如FRP板宽增加，粘结力不是简单翻倍，而是先涨后稳，老公式却只会算直线。

AI的"透明化"：它到底看了啥？

为了让工程师敢用AI，研究者用"敏感性分析"和"SHAP值"给模型"拆盲盒"。结果发现：

• FRP板宽是最大影响因素（就像创可贴越宽越难撕），其次是粘结长度（贴得越长越牢）；
• 砖块抗压强度、FRP弹性模量等参数影响较小——这解释了为啥老公式总出错：它没抓住"板宽"这个关键变量。

未来：从实验室到工地的"最后一公里"

目前，AI模型已在沙特部分历史建筑加固中试用。工程师表示："以前设计得反复调整参数，现在输入FRP尺寸、砖块类型，AI秒出结果，还能标注风险点。"

论文作者提到，下一步计划把模型集成到建筑设计软件中，并扩展数据覆盖更多砌体类型（如我国常见的青砖）。未来，老房子加固可能像"点外卖"：选好FRP型号，AI一键算出最安全的粘结方案。