夏烨，雷晓鸣，王鹏,2，孙利民,3

(1.同济大学桥梁工程系，上海，200092；2.上海临港经济发展(集团)有限公司，上海，201306；3.同济大学土木工程防灾减灾国家重点实验室，上海，200092)

桥梁是交通路网的枢纽。路网中，中小跨径桥梁占据了主体地位。截至2017年，全国公路桥梁超过80 万座，其中，近90%的桥梁为中小跨径桥梁[1]，大批老旧桥梁的结构受损和退化趋于显著，安全隐患与日俱增，针对运营桥梁的性能评价、退化预测及维修管养策略的合理制定迫在眉睫。在长年运营过程中，传统的桥梁检测手段为管养单位和科研机构积累了丰富而宝贵的资料，其对揭示结构的退化机理，挖掘退化共性特征及制定预防性管养策略等具有重要的指导意义[2]。然而，现行的检测评估方式大多仅限于对单体桥梁的分析和管养，未形成路网中时空的联通[3]。如果能以蕴含时空关系的检测数据为基础，借助数据挖掘技术提炼区域中小跨径桥梁的退化规律，开发路网级桥梁的管理和评估方法，则可较清晰地预测桥梁运营状态，明确桥梁状态的影响因素及程度，显著提高桥梁管理水平[4-5]。在运营管养中，面对桥梁路网产生的大量原始数据，从中提炼出桥梁退化模型来计算未来结构行为及状态是一个有效的预测途径。依据模型的种类可以分为3 种：确定性模型、随机模型和机器学习模型。确定性模型使用较简单的数学公式描述桥梁退化行为，成为早期主要的退化模型[6]。虽然面向大规模路网预测与评估时具有较高的效率，但缺陷亦十分明显，如欠缺不确定性、仅能预测总体平均结果等[7]。……