חיזוי עקומת השלד לעמודי בטון מזוּקקים באמצעות למידת מעמדים על בסיס מאגר ניסויי

מדוע עמודי בטון מזדקנים חשובים

רבים מהגשרים והמבנים שאנו מסתמכים עליהם יום‑יום עומדים על עמודי בטון מזוּקק שמחלידים באיטיות לאורך עשורים. מלח מפיזור שלג, תלמי ים ואוויר מזוהם יכולים לאכול לאט את הפלדה שמוסתרת בפנים, והחלשה זו של התומכים יכולה להיות קריטית בדיוק כשנדרש מהם לעמוד ברעידות אדמה. מאמר זה מציג דרך חדשה לנצל כמות גדולה של נתוני ניסוי ולמידת מכונה מודרנית לחיזוי איך עמודים מושתקים אלה יתנהגו במהלך רעידות חזקות, וכך לסייע למהנדסים להחליט מתי לתקן, לחזק או להחליף אותם.

איך החלדה משנה את סיפור החוזק

כשפלדה בתוך עמוד בטון מתחמצנת, החרק שתופס יותר נפח מהמתכת המקורית גורם להתפשרות הבטון שסביבה — תחילה כסדקים פנימיים דקים ובהמשך כסדיקה וקליפה נראות לעין. במקביל הסרק של הסרגלים עצמם פוחת, החוזק והדיוק שלהם יורדים ואחיזתם בבטון נחלשת. תחת עמסות רטט דו‑כיווניות בדמות רעידת אדמה, עמודים בריאים מציירים על גרף כוח–היסט תשוקות רחבות ומעוגלות, המצביעות על ספיגת אנרגיה גבוהה. עמודים מושתקים, לעומת זאת, מציירים לולאות צרות ו־pinched ומאבדים חוזק מהר יותר לאחר הגיעם לנקודת הכניעה, מה שמצביע על מעבר להתנהגות שבירה ופחות גמישה שעלולה להשאיר מבנים פגיעים יותר לקריסה.

מבדיקות מפוזרות לתמונה גדולה אחת

חוקרים ברחבי העולם בחנו עמודים מושתקים בודדים במעבדות שונות, תוך שימוש במגוון רחב של גדלים, פריסות זיון, חומרים, רמות קורוזיה ותנאי עמסה. המחקר הזה מאחד 200 דגימות כאלו למסד ניסויי אחד שמכסה טווחים ריאליסטיים של גיאומטריית עמוד, חוזק פלדה ובטון, עמסה אקסיאלית וקורוזיה מדודה של מוטות ראשיים וקשרים. במקום לפשט את התנהגות כל עמוד לכמה נקודות אידיאליות, המחברים מפיקים את עקומת השלד המלאה — המעטפת החלקה שעוקבת אחרי האופן שבו ההתנגדות הצידית גדלה, שיאתה ואז יורדת כשהעמוד מתנדנד. הם משתמשים בעקומות הנמדדות האלה כמטרות עבור מודלים מונחי נתונים שלומדים ישירות מהניסויים, ולא מנוסחאות שנבחרו מראש.

להדריך מכונות לקרוא את הנזק

הצוות מאמן מספר שיטות למידת מעמדים — משפחות של עצי החלטה קטנים רבים שמצביעים יחד — כדי לחזות שלבים מרכזיים לאורך עקומת השלד של כל עמוד: החוזק בעת הכניעה הראשונה, החוזק בשיא והחוזק שנותר לאחר נזק חמור. באמצעות שימוש בחלק ממסד הנתונים לאימון וההשארה של החלק הנותר למבחן, הם מכוונים את המודלים בעזרת חיפוש בייזיאני כדי לתפוס דפוסים כלליים מבלי לשנן דגימות יחידניות. מבין הגישות הנבדקות, מודל Extreme Gradient Boosting מגלם את האמינות הגבוהה ביותר, ומשיג דיוק גבוה בשלבי הכניעה, השיא והשארית ובאופן קריטי משחזר את הריכוך החמור שלאחר השיא שמודלים אידיאליים פשוטים לעתים מפספסים או מעריכים פחות מדי.

לראות אילו פרטים הכי משפיעים

כדי לצאת מעבר לחיזוי תיבת‑שחורה, המחברים מיישמים טכניקה בשם SHAP, שאולה מתורת המשחקים, כדי למדוד עד כמה כל גורם כניסה מזיז את החיזוי של החוזק כלפי מעלה או מטה. הם מוצאים שמידות וצורות בסיסיות — כגון מרחק גזע החתך (shear span) ועומק כולל של העמוד — יחד עם החולשה המפורקת של מוטות הפלדה, הן המשתמעות ביותר כאשר העמוד נכנס לכניעה ולחוזק השיא. ככל שהנזק מתקדם, תכונות הקשורות לכבילה ומוד כשל הופכות לקריטיות יותר, ומשקפות כיצד סדיקה, כתישה ותלישת מוטות מחליפות את ההשפעה הפשוטה של הגיאומטריה. תובנה מסוג זה מאפשרת למהנדסים לראות האם החולשה של עמוד נובעת בעיקר מעמסה אקסיאלית כבדה, פרטים גרועים או קורוזיה חמורה, ובכך להנחות חיזוקים ממוקדים יותר.

מה זה אומר לבטיחות היומיומית

במונחים מעשיים, המחקר מראה שמודל למידת מכונה מאומן בקפידה ושקוף יכול לשחזר באופן אמין את מסלול החוזק–היסט של עמוד בטון מושתק כולו באמצעות תכונות מדידות ואינדיקטורים של קורוזיה. בהשוואה לנוסחאות עקומת שלד אידיאליות ישנות, הגישה החדשה מתארת טוב יותר כמה מהר החוזק יורד לאחר השיא, במיוחד במקרים של קורוזיה חמורה שבה לעתים הערכת הקיבולת השארית הייתה מופרזת. זה מספק לבעלי גשרים ומבנים תמונה חדה יותר של כמה מרווח סייסמי נותר בתמיכות המזדקנות ועוזר להם לתעדף תיקונים לפני רעידת האדמה הבאה, והופך בדיקות מעבדה מפוזרות לכלי עוצמתי להחלטות בעולם האמיתי.

ציטוט: Sadeghi, M., Poorahad, P., Shiravand, M.R. et al. Ensemble learning-based prediction of the backbone curve for corroded reinforced concrete columns using experimental database. Sci Rep 16, 9367 (2026). https://doi.org/10.1038/s41598-026-40488-5

מילות מפתח: קורוזיה של בטון מזוּקק, ביצועים סייסמיים, למידת מכונה בהנדסה אזרחית, חיזוי עקומת שלד, תשתיות מזדקנות