哈尔滨既有建筑结构加固技术经济性评价

●周晓冬 魏娟

哈尔滨既有建筑结构加固技术经济性评价

●周晓冬 魏娟

随着改革开放的不断深化，上世纪80年代后期，哈尔滨市大兴土木，建筑物急剧增加。其中有相当一部分建筑接近或已经达到其设计基准期，如果这些建筑推到重建，将消耗巨大资金，造成社会资源浪费。基于上述现状，文章就具体案例确定了关键影响因素指标体系，基于BP人工神经网络的评价方法，研究、评价了哈尔滨市既有建筑结构加固的技术性和经济性。

既有建筑 结构加固 指标体系 BP

前言

新中国成立后，黑龙江省哈尔滨市迅速恢复和发展国民经济，在“一五”时期，哈尔滨是国家重点建设城市之一。改革开放以后，哈尔滨市住房需求急剧膨胀，因此进行了大规模的城市建设，城市面貌日新月异。由于20世纪60～70年代的建筑标准低，建筑功能已完全落后。80～90年代初的建筑，有些建筑的材料质量和施工质量存在安全隐患。恶劣环境、自然灾害、人为因素影响等也严重影响到结构的正常使用。据初步调查，30%～50%的既有建筑已经出现安全性失效的现象或已进入功能退化期。上述原因导致这些结构不能满足安全性、适用性、耐久性等相关要求，可靠性也在逐渐降低。如不及时处理，这些既有建筑或早或晚会危害人民的生命财产安全。如何处置上述既有建筑是建设和谐社会不可回避的重大问题。

既有建筑结构加固已成为建筑工程的重要组成部分，需要加固和改造的既有建筑的工程量大，改造范围广，具有很大的经济效益和社会效益，这都给建筑加固行业带来了很好的发展契机和广阔的市场前景①。

一、既有建筑结构加固关键性影响因素指标体系

既有建筑结构加固方案选择过程繁琐复杂，从设计到技术安全、成本费用、施工难度等涉及各个方面，而这些指标都是结构加固设计必须考虑的因素。一个较好的既有建筑结构加固方案应该是这几个指标的最佳组合，但是这些指标的权重通常是相互矛盾的。加固改造的最优方案需要综合考虑每一个指标，建立科学的综合评估指标体系，运用合理的评价方法，择选出最优建筑结构加固方案。做到安全可靠、成本合理、施工便捷②。

1.加固方案的技术安全可靠性。加固方案的技术性直接影响到结构加固的效果，因此，根据结构所处的状态针对加固的主要目的如改善因结构承载力不足而引起的裂缝过大，或提高因结构改变用途而造成的结构刚度不足等来选择适合的加固方案；若统一情况几个加固方案都适用，可以考虑根据类似工程经验或使用仿真模拟软件选择加固效果较好的方案。

2.加固方案的费用成本合理性。在加固方案的选择中，若片面地强调费用成本最低，忽略技术上各种合理要求，势必会使结构加固达不到功能要求；反之重视技术，忽视成本开销，加固方案必然会保守浪费。加固方案的经济性和技术性关系对立统一，利用价值工程的原理分析加固方案，将建筑的功能要求作为分析的核心，以达到提高价值的目的。全方位综合考虑既有建筑加固全生命周期内的所有费用，从而真正达到方案优选效果。

3.加固方案的施工难易程度。加固方案的难易程度直接影响到加固项目施工的工期，工期、成本、质量是工程项目最主要的三大控制，选择三方面都合理的方案是既有建筑结构加固方案优选的目标。施工方案过于复杂也会而造成劳动用量大、安全系数低等弊端。

4.加固后对原建筑的影响程度。既有建筑结构加固是在使用一段时间的建筑上进行二次施工，结构加固一定会对原建筑内人们的生产生活带来一定程度的影响；有的加固方案在加固后会使原建筑结构或使用面积发生变化，如加大截面加固法、钢绞线加固法、锚栓锚固法等，这些因素也是在选择加固方案时必须要考虑的。

5.加固方案的技术先进性。先进的技术代表这最先进的生产力，根据国家和行业的法规、标准、政策等的要求，选用适合的新材料、新技术，也有利于结构加固技术的不断更新发展。既有建筑结构加固评价的指标体系，见表1。

表1 既有建筑结构加固关键性影响因素评价指标体系

二、既有建筑结构加固技术经济性评价模型

1.人工神经网络。人工神经网络(ANN)通常简称为神经网络，是基于模仿人类大脑的结构和功能而构成的信息处理系统。常见的神经网络模型有前馈网、感知器、回归神经元网络(Hopfield)、径向基(RBF)等，BP神经网络属于前馈神经网络。BP神经网络是算法和模型较为成熟的神经网络，目前应用得最广泛。利用BP神经网络进行评价预测的结果和数据具有可靠性和可信度。大量研究试验结果表明，BP神经网络不仅在大样本的预测中具有很高的预测精度，而且对于小样本的预测仍然具有较高的预测效果。因此，本文选择BP神经网络建立建筑结构加固技术经济性评价模型。神经元网络结构见图1。

图1 基于BP算法的神经元网络结构

2.基于BP神经网络的评价指标体系输入、输出层。人工神经网络(artificial neural network，ANN)是由大量处理单元广泛互联而成的大规模自适应非线性动力系统。BP神经网络(back-propagation neural networks)模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。BP神经网络相比其它神经网络较为成熟，基本原理是利用梯度搜索技术，采用最小二乘法，使网络的实际输出值与期望输出值的误差均方达到最小值。根据哈尔滨市既有建筑结构加固评价指标体系，确定BP神经网络的输入、输出层指标，将二级指标作为输入层，建立一个三层的技术经济性评价BP神经网络输入、输出层指标体系，详见图2。

图2 BP神经网络输入、输出层指标体系

上述BP神经网络模型包括，一个输入层、一个隐含层和一个输出层。输入层中神经元为表1中二级指标，个数与二级指标个数相同，因此输入层神经元的个数为8个。BP神经网络中的隐含层神经元的个数难以确定，可采用的统计方法繁多，例如实验法、统计法等。目前，缺少统一的确定方法，部分学者是通过多次实验法确定较为合适神经元个数，大部分学者则是采用经验法通过公式计算来确定神经元的个数。当然，就统计结果而言，实验法的结果较为精确；就统计效率而言，经验法则大量节省工作时间。因此，本文中采用经验法统计隐含层神经元个数，利用公式log2x计算，X的值为输入层神经元个数8。计算结果隐含层神经元为3个。输出层的神经元个数为2，即该网络模型为8×3×2③。

三、评价模型结果分析

根据BP神经网络的运算函数和训练函数，对影响既有建筑结构加固评价的技术性和经济性指标进行专家打分，利用MATLAB分析软件，进行学习训练，优化训练函数。对于本文中输入层大部分的定性指标，其输入数据的值域为[0，1]，采用尺度集[0.85，0.65，0.45，0.25，0.05]将所有定性指标隶属度向量综合为一个向量，确定每个指标对于评语集的隶属度向量。同时输出层数据的值域也为[0，1]，输入数据在0～1之间表示评价结果。表2为输出层指标的分级标准，输出数据所在区间对应的等级就为既有建筑结构加固的经济性和技术性高低水平④。

表2 指标的分级标准

由于缺少大量的资料数据，本文样本的选取较为理想化，如果结果中全部指标隶属于较大，则加固方案技术经济性较高，如果结果中全部指标隶属于较小，则加固方案技术经济性很低。另一方面本文评价指标体系中存在大量的定性指标，因此指标样本的选取至关重要。为了增加样本的可靠性，本文需要增加特殊样本进行训练。考虑指标的特性，只需增加两个特殊的样本，当输入层评价指标的评价值全为1时，输出层评价的结果也应该为1，当输入层评价指标的评价值全为0时，则评价的结果也应为0。利用MATLAB软件，每个尺度值随机产生8个样本，即最终本文的样本数量为40个随机样本和2个特殊样本，共计42个样本。在BP神经网络学习训练中，参数的设置为:初始学习速率为0.05，目标误差为0.0001，隐含层的激活函数为tansig，输出层的激活函数为logsig，训练函数为trainlm。将上述随机产生的42个样本和另外两个样本输入网络，进行训练。图3表明，该网络经过80次训练后，就能够很好地表明实际情况。

图2 BP神经网络训练结果

四、案例

哈尔滨市某购物商场建筑面积2516.96m2，五层，使用了20年，因一层梁底部裂缝过大，超过了正常使用极限状态，现将一层梁进行结构加固，设计院提供了四种加固方案有加大截面加固法、碳纤维加固法和粘钢加固法，综合分析选择最优的方案进行结构加固。

本文首先通过表1所示的指标体系，利用BP神经网络进行综合评价，得出结果加大截面加固法为(0.26，0.45)，碳纤维加固法(0.8，0.75)，粘钢加固法(0.75，0.91)。按照很高、较高、中等、较低、很低的最大隶属度原则确定等级，得出粘钢加固法经济性和技术性水平最高，即方案最优；其次是碳纤维加固法，加大截面加固法即方案最劣。建议本案例选择使用粘钢加固法对本购物商厦四层梁进行加固。

五、结论

国内外对单个加固方案在建筑加固中的应用有一定的研究，但是对既有建筑结构加固经济性和技术性方面的研究缺少一些理论与实践的分析。既有建筑结构加固方案的选择并不是简单地选择适合的方案，不同的加固方案具有不同经济性和技术性，加固费用、施工复杂程度、加固后对建筑的影响等都是不同的，要综合地考虑各个方面因素对结构加固的影响，优选符合要求的加固方案⑤。

既有建筑结构加固是延续哈尔滨建筑历史文脉的必要手段。哈尔滨地处中西文化交界，各式各样的建筑风格在这里齐聚荟萃，因此，必须采取技术经济性较高的加固方案对各类历史建筑进行加固，尽可能地使建筑历史文脉在融合中延续传承。

注释：

①赵广宇.哈尔滨既有建筑表皮有机更新设计研究.东北林业大学硕士毕业论文.

②朱纯宜.既有建筑结构加固技术经济性分析.华东交通大学硕士毕业论文.

③王宪云，徐福缘，何建佳等.基于BP神经完了的项目社会后评价方法研究[J].公共管理，2011.05:128-130.

④余晓红.BP神经网络的MATLAB编程实现及讨论[J].浙江交通职业技术学院学报，2007，8（4）:45-48.

⑤吴刚.既有建筑加固改造的综合评价.北京交通大学硕士学位论文

（作者单位：东北林业大学土木工程学院 黑龙江哈尔滨 150040）

（责编：若佳）

F293.3

A

1004-4914（2014）09-091-02