تنقيب بيانات قائم على الضوضاء الكهروكيميائية لقياس تركيز Cl− البيئي في هياكل الخرسانة المسلحة تحت تأثير التيار الشارد

لماذا تصدأ أنفاق المترو بهدوء

تعتمد المدن الحديثة على أنفاق المترو تحت الأرض لنقل ملايين الأشخاص يومياً. داخل تلك الأنابيب الخرسانية المخفية توجد قضبان فولاذية تحافظ على قوة الأنفاق لعقود. لكن التيارات الكهربائية غير المرئية القادمة من القطارات، إلى جانب مياه الأرض المالحة، يمكن أن تتلف هذا الفولاذ بشكل خفي وبسرعة أكبر من المتوقع. تستكشف هذه الورقة طريقة جديدة غير تدميرية «للاستماع» إلى إشارات كهربائية دقيقة من الفولاذ واستخدامها لتقدير كمية الملح المسبب للتآكل في البيئة المحيطة — قبل حدوث أضرار جسيمة.

التيارات الخفية والمياه المالحة

تبنى أنفاق الدرع للمترو كمنشآت دائمة يُفترض أن تدوم من 50 إلى 100 سنة. تتحمل القضبان الفولاذية المدمجة داخل الخرسانة الأحمال، بينما تحمي الخرسانة الفولاذ من التآكل. في الواقع، تغمر هذه الأنفاق مياه جوفية غالباً ما تحتوي على أيونات الكلوريد، نفس نوع الملح الذي يسبب تآكل السيارات في الشتاء. في الوقت نفسه، تستخدم أنظمة جر القطارات تياراً مستمراً، ويتسرب جزء من هذا التيار من القضبان إلى التربة المحيطة كـ «تيار شارد». حيثما يلتقي التيار المتسرب والمياه الغنية بالكلوريد مع الفولاذ، يمكن أن يتسارع التآكل بمقدار من 10 إلى 100 مرة مقارنة بالظروف الطبيعية. ومع تراكم الصدأ، ينشأ ضغط داخل الخرسانة يؤدي إلى تشقق وتفتت وفقدان في المتانة يهدد سلامة النفق على المدى الطويل.

لماذا تختزل الاختبارات التقليدية تحت الأرض

يعلم المهندسون أن التآكل يصبح خطيراً بمجرد تجاوز مستويات الكلوريد حول الفولاذ عتبة حرجة، حيث يدمر هذا الغشاء الوقائي على المعدن. ومع ذلك، فإن قياس تركيز الكلوريد مباشرة تحت الأرض صعب. تتطلب الطرق المخبرية الشائعة — مثل رش مؤشرات كيميائية، أخذ عينات أسطوانية، أو استخدام كروماتوغرافيا أيونية — حفر المنشآت، أو إخراج المواد إلى السطح، أو وضع حساسات هشّة في تربة معادية. في نفق مترو عامل، تكون هذه الأساليب مكلفة ومعطلة وغالباً مستحيلة في المساحة الضيقة بين بطانة النفق والأرض المحيطة. ونتيجة لذلك، يفتقر المشغلون إلى طريقة بسيطة لمراقبة مدى اقتراب منشآتهم من «نقاط الانقلاب» المتعلقة بالتآكل.

الاستماع إلى الضوضاء الكهروكيميائية

يلجأ الباحثون إلى الضوضاء الكهروكيميائية، وهي التقلبات العشوائية الدقيقة في الجهد والتيار التي تنشأ طبيعياً أثناء تآكل المعدن في مادة إلكتروليتية. في اختبارات مخبرية مصممة بعناية، دمجوا قضبان فولاذية في كتل مونة، غمروا أجزاء منها جزئياً في محاليل ملحية ذات تركيزات كلوريد مختلفة، وطبقوا تيارات شارد متحكم بها باستخدام أقطاب من شبكة التيتانيوم. سجلت محطة عمل كهروكيميائية إشارات الضوضاء لمدة ساعة في كل مرة. بدل البحث عن اتجاهات بسيطة في البيانات الخام، تعامل الفريق مع كل أثر ضوضائي كخريطة غنية لبيئة التآكل. نظفوا الإشارات لإزالة الانجرافات البطيئة، ثم حسبوا العديد من المقاييس الإحصائية في الزمن والتردد، بما في ذلك كيف تتوزع الطاقة عبر نطاقات المويجات المختلفة — أي تفكيك الضوضاء إلى مكونات من التقلبات السريعة إلى البطيئة.

تعليم الآلات لقراءة البصمات

لتحويل هذه البصمات إلى «مقياس» عملي للكلوريد، بنى الباحثون نموذج انحدار ذكي يربط ميزات الضوضاء بتركيز الكلوريد. في جوهره يوجد XGBoost، وهو أسلوب تعلم آلي قوي يعتمد على أشجار القرار. حسّنوه بطريقتين. أولاً، قام خوارزمية تحسين الحيتان — وهي طريقة بحث مستوحاة من الطبيعة تحاكي طريقة صيد الحيتان الأحدب — بضبط إعدادات النموذج الرئيسية تلقائياً، مثل عمق الشجرة ومعدل التعلم، لتجنب التجريب والبحث اليدوي الممل. ثانياً، تعلّم آلية الانتباه أي ميزات الضوضاء كانت الأهم، مانحة أوزاناً أعلى لمؤشرات الزمن-التردد الأكثر إفادة وتقليل وزن تلك قليلة الفائدة. بدمج هذه العناصر، تم تدريب نموذج WOA‑XGBoost‑Attention على معظم البيانات واختباره على عينات غير مرئية لتقييم الموثوقية.

مدى أداء الطريقة

أثبت النموذج المحسّن دقة ملحوظة. عبر نطاق من تراكيز الكلوريد (0.05–0.9 مول/لتر) وكثافات تيار شارد (0.05–0.1 A/cm²)، تنبأ مستوى الملح بدقة متوسطة تبلغ نحو 95% وارتباط بلغ 0.9929 بين القيم المتوقعة والحقيقية. مقارنة بأساليب شائعة أخرى — بما في ذلك XGBoost العادي، الغابات العشوائية، التعزيز التدرجي، الانحدار الخطي، ونموذج الشبكة العصبية — أنتج هذا الأسلوب الهجين أدنى أخطاء تنبؤيّة وتجنب القيم الشاذة الكبيرة. تبين أن أكثر المدخلات فائدة كانت ميزات الضوضاء المتعلقة بانتشار الإشارة، مستوى الضوضاء البيضاء، سلوك قانون القدرة للطيف، ونطاقات محددة من طاقة المويجات، مؤكدة أن الأنماط الطفيفة في الضوضاء تحمل معلومات مفصلة عن البيئة المحيطة.

ماذا يعني هذا للأنفاق الحقيقية

بالنسبة لغير المتخصص، خلاصة القول هي أنّ المؤلفين أظهروا إمكانية تقدير كمية الملح المسبب للتآكل المحيط بالفولاذ المدفون ببساطة عن طريق مراقبة «ثرثرة» الكهرباء الطبيعية وترك خوارزمية متقدمة تفك شفرة النمط. رغم أن هذا العمل أُجري في ظروف مخبرية محكومة، فإنه يشير إلى أنظمة مستقبلية قد تُزوَّد بأقطاب متينة مركبة على بطانات الأنفاق تغذي بيانات الضوضاء الكهروكيميائية إلى برامج ذكية تصدر إنذارات عندما تقترب مستويات الكلوريد من عتبات خطرة. يمكن لأداة إنذار مبكرة غير تدخلية من هذا النوع أن تساعد مشغلي المترو على تخطيط الصيانة، إطالة عمر الأنفاق، وتقليل مخاطر حدوث مشاكل إنشائية مفاجئة ناجمة عن التآكل الخفي.

الاستشهاد: Xing, F., Xu, S., Wang, Y. et al. Electrochemical noise-based data mining to environmental Cl⁻ concentration measurement of reinforced concrete structure under stray current interference. Sci Rep 16, 7522 (2026). https://doi.org/10.1038/s41598-026-38003-x

الكلمات المفتاحية: تآكل أنفاق المترو, التيار الشارد, أيونات الكلوريد, الضوضاء الكهروكيميائية, مراقبة بتعلم الآلة