
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于物理信息高斯过程回归与CMIP6海表温度模拟的海洋钢结构腐蚀预测研究
《Scientific Reports》:Probabilistic corrosion prediction of marine steel under future climate change scenarios using physics-informed Gaussian process regression
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Reports 4.9
编辑推荐:
摘要本研究提出了一种基于物理信息高斯过程回归(PI-GPR)和未来气候变化模拟的腐蚀预测框架。海洋钢结构长期腐蚀预测通常基于稳态环境假设;然而,未来海表温度(SST)的变化应被纳入考量,因为它可能影响结构服役寿命期间的腐蚀退化。本文开发了一种基于PI-GPR模型的概率性腐蚀预
本研究提出了一种基于物理信息高斯过程回归(PI-GPR)和未来气候变化模拟的腐蚀预测框架。海洋钢结构长期腐蚀预测通常基于稳态环境假设;然而,未来海表温度(SST)的变化应被纳入考量,因为它可能影响结构服役寿命期间的腐蚀退化。本文开发了一种基于PI-GPR模型的概率性腐蚀预测方法,并与基于CMIP6的SST预测相耦合。所提出的PI-GPR模型将基于物理的腐蚀均值函数融入概率机器学习框架中,从而实现具有95%置信区间的物理一致性的长期外推。来自31个CMIP6模型在SSP126和SSP585情景下的年度SST预测数据,通过多模型集合处理方法进行处理,并应用于朝鲜半岛周边海域。结果表明,基于情景的腐蚀损失超过固定温度估算值,且偏差随数十年的暴露时间而增大。特别是在SSP585情景下,西海表现出最大的气候引起的腐蚀偏差,表明其具有强烈的区域敏感性。这些发现表明,未来SST变化趋势应作为气候变化背景下海洋钢结构的腐蚀余量、检验规划和可靠性评估的重要输入参数予以考虑。