机器学习与多因素耦合的混凝土碳化深度预测模型建立方法

本发明为一种机器学习与多因素耦合的混凝土碳化深度预测模型建立方法。具体为：获取未来全球气候数据；构建动态温湿度耦合碳化模型：建立CO2、Ca(OH)2和相对湿度的扩散‑反应方程，修正CO2扩散系数；设置方程的初始和边界条件；将未来的气候数据动态映射至边界条件的混凝土表面浓度计算中，引入风速驱动的表面传质修正系数方程；对方程进行空间‑时间离散，引入泰勒展开构建三阶精度差分格式，求解非线性耦合方程组；将未来全球气候数据输入动态温湿度耦合碳化模型中，更新每个时间及空间步长内耦合碳化模型的表面边界条件，实时修正内部扩散系数，计算碳化深度随时间的变化。本发明为基础设施耐久性设计提供科学依据，具备显著的经济效益与社会价值。