彭 斌，汪瀾涯，李 翔，付想平

（1.上海理工大學(xué) 環(huán)境與建筑學(xué)院，上海 200093；2.同濟(jì)大學(xué) 建筑工程系，上海 200092）

砌體材料在中國現(xiàn)存歷史建筑中被大量使用，砌體材料的抗壓強(qiáng)度（以下簡稱強(qiáng)度）是衡量這些歷史建筑安全性的重要指標(biāo).但是，受建筑現(xiàn)狀和現(xiàn)場條件限制，可獲得的砌體強(qiáng)度實(shí)測樣本非常有限，且量測誤差明顯；同時，歷史建筑中砌體材料的生產(chǎn)工藝與現(xiàn)代不同，在長期使用中已受諸多因素影響，利用現(xiàn)行規(guī)范推定其強(qiáng)度，存在模型誤差.因此，對歷史建筑砌體強(qiáng)度的合理推定比較困難［1］.首先，采用少數(shù)離散樣本的統(tǒng)計特征值進(jìn)行估計，明顯違背大數(shù)定律，如果樣本序列過于離散，不得不舍棄部分樣本，從而進(jìn)一步減少了實(shí)測信息量.其次，對于歷史建筑中同一檢測單元的砌體強(qiáng)度，既可由現(xiàn)場原位測試來推定（直接法），也可在測得塊體和砂漿的強(qiáng)度后用模型來推定（間接法）［2］，2 種方法推定的強(qiáng)度值差異明顯.

在影響因素眾多、量測誤差明顯和實(shí)測信息量不足時，合理利用可靠的先驗(yàn)信息，對于強(qiáng)度的推定非常重要.貝葉斯方法是利用先驗(yàn)信息的有效方法［3］.在處理既有結(jié)構(gòu)材料參數(shù)的主觀不確定性時，采用該方法能夠以原設(shè)計中的先驗(yàn)信息修正實(shí)測信息量的不足［4］.在推定結(jié)構(gòu)剩余承載力［5］或砌體結(jié)構(gòu)的節(jié)點(diǎn)剛度、材料彈性模量時［6］，采用該方法可賦予先驗(yàn)信息和實(shí)測信息合理的權(quán)重，避免先驗(yàn)信息的作用被低估或放大.

為合理推定歷史建筑中砌體強(qiáng)度，本文先建立磚強(qiáng)度和砂漿強(qiáng)度的概率密度函數(shù)（probability density function，PDF），并據(jù)此建立砌體強(qiáng)度推定的似然函數(shù)；再基于貝葉斯方法，合并直接法和間接法的實(shí)測信息，在推定砌體強(qiáng)度的同時，定量描述推定結(jié)果的不確定性.

1 貝葉斯方法及其數(shù)值實(shí)現(xiàn)

在參數(shù)分布的總體模型估計和先驗(yàn)概率密度模型的基礎(chǔ)上，結(jié)合新增實(shí)測樣本，按如下貝葉斯公式，更新待定參數(shù)的先驗(yàn)概率密度模型［7］：

式中：θ為待定參數(shù)；D 為新增實(shí)測樣本；P（θ｜D）是θ的后驗(yàn)概率密度函數(shù)；P（D｜θ）和L（θ）是似然函數(shù)，表示在θ已知的條件下獲得新增實(shí)測樣本D 的概率；P（θ）為θ的先驗(yàn)概率密度函數(shù)，可根據(jù)之前的實(shí)測數(shù)據(jù)或其他先驗(yàn)信息（包括經(jīng)驗(yàn)判斷）來確定；P（D）為獲得該組新增實(shí)測樣本D 的概率密度函數(shù)；k為正則化因子，k＝1／P（D）；Q（θ）是似然函數(shù)與先驗(yàn)概率密度函數(shù)的積.可以證明，無論θ為何種分布，用P（θ｜D）對其進(jìn)行估計的結(jié)果，與所有的已知實(shí)測數(shù)據(jù)相比，具有最小的均方誤差（mean square error，MSE）；當(dāng)θ嚴(yán)格服從正態(tài)分布時，貝葉斯方法與極大似然估計法或最小二乘估計法等效.

由于正則化因子k難以確定，很難用式（1）直接得到P（θ｜D）的解析表達(dá)式.此時可用馬尓科夫蒙特卡洛（Markov Chain Monte Carlo，MCMC）方法，通過抽樣重構(gòu)P（θ｜D）.Metropolis－Hasting（MH）抽樣方法是有效的MCMC 方法之一，其過程為［7］：

（1）隨機(jī)選擇參數(shù)樣本值ξ.

（2）按式（2）計算比值ri：

式中：θi是第i 個樣本；Q（ξ），Q（θi）是式（1）中的似然函數(shù)與先驗(yàn)概率密度函數(shù)的乘積；P＊（θi｜ξ），P＊（ξ｜θi）是隨機(jī)選取的建議概率密度函數(shù).

（3）從均勻分布（0，1）中隨機(jī)抽樣1個值αi.

（4）如果ri＞αi，則接受ξ，令θi＋1＝ξ；否則拒絕ξ，令θi＋1＝θi.返回第（2）步.

MH 方法認(rèn)為，當(dāng)ξ被接受的潛在可能性P＊（ξ｜θi）較大時，應(yīng)該降低接受其作為樣本的概率（即降低ri），以免該值的影響被過分放大.這樣可以使抽樣范圍較快遍布樣本空間，獲得P（θ｜D）的全面信息［7］.為降低MH 方法得到的相鄰樣本間的相關(guān)性，本文抽樣時放棄前200個抽樣值，并根據(jù)樣本序列的自相關(guān)函數(shù)，放棄顯著相關(guān)的樣本.

2 歷史建筑砌體強(qiáng)度的概率模型

GB 50153—2008《工程結(jié)構(gòu)可靠性設(shè)計統(tǒng)一標(biāo)準(zhǔn)》明確規(guī)定材料強(qiáng)度宜采用正態(tài)分布模型或?qū)?shù)正態(tài)分布模型，GB／T 50315—2011《砌體工程現(xiàn)場檢測技術(shù)標(biāo)準(zhǔn)》給出了根據(jù)實(shí)測樣本的統(tǒng)計特征值推定磚強(qiáng)度和砂漿強(qiáng)度的方法.但由于歷史建筑砌體強(qiáng)度受眾多因素影響，在獨(dú)立測試時，其樣本值通常十分離散，且其分布形態(tài)也與正態(tài)分布相去甚遠(yuǎn)，導(dǎo)致總體信息相當(dāng)有限.此時若仍采用樣本統(tǒng)計特征值代表總體，不符合大數(shù)定律，存在明顯的偏差.因此，本文把對數(shù)正態(tài)分布和樣本統(tǒng)計特征值僅作為先驗(yàn)信息的一種，而不作為直接推定的依據(jù).另外，由于歷史建筑中磚和砂漿的生產(chǎn)工藝、砌筑方式等與現(xiàn)行技術(shù)標(biāo)準(zhǔn)不符，因此將無主觀信息的區(qū)間均勻分布作為另一種先驗(yàn)信息.

對于歷史建筑，直接法或間接法獲得的砌體強(qiáng)度樣本數(shù)量均有限，且現(xiàn)場量測誤差較大，同時間接法所用的強(qiáng)度計算模型并不完善.這使2種方法的推定值有明顯差異.為增加砌體強(qiáng)度推定結(jié)果中的實(shí)測信息量，減小推定結(jié)果的不確定性，下文通過貝葉斯方法來合并直接法和間接法檢測的信息，并估計強(qiáng)度計算模型誤差的影響.

3 歷史建筑砌體材料抗壓強(qiáng)度的似然函數(shù)

現(xiàn)行GB 50003—2011《砌體結(jié)構(gòu)設(shè)計規(guī)范》中采用以下模型來間接確定砌體強(qiáng)度：

式中：fm為砌體強(qiáng)度平均值；f1為塊體強(qiáng)度的等級值；f2為砂漿強(qiáng)度的平均值；α為與塊體高度有關(guān)的參數(shù)；k1為反映塊體種類的參數(shù)；k2為采用低強(qiáng)度等級砂漿時的修正系數(shù).

中國超過3 000組的試驗(yàn)結(jié)果表明，式（3）反映了砌體強(qiáng)度的主要規(guī)律［8］.但砌體強(qiáng)度還受到塊體和砂漿彈性模量、塊體的吸水程度和灰縫的飽滿程度等諸多因素的影響，這些在式（3）中均未反映，因此用式（3）推定砌體強(qiáng)度時存在模型誤差.

為構(gòu)造砌體強(qiáng)度平均值fm的似然函數(shù)，對式（3）兩邊取對數(shù)，得到：

式中：γ為模型誤差.

在測試過程無系統(tǒng)誤差時，γ 服從均值為0 的正態(tài)分布［7］.參照GB 50153—2008 標(biāo)準(zhǔn)，取f1，f2為對數(shù)正態(tài)分布.由式（5）可知Fm服從正態(tài)分布，且：

式中：μFm，μF1，μF2分別為Fm，F(xiàn)1，F(xiàn)2的均值；，分別為Fm，F(xiàn)1，F(xiàn)2的方差.

當(dāng)通過直接法獲取砌體強(qiáng)度的實(shí)測數(shù)據(jù)后，可建立如下似然函數(shù)：

式中：n 為原位測試的次數(shù)；Fm，i為第i 次原位 測試的值.將式（6）代入式（7），可以得到：

基于貝葉斯方法，可合并直接法實(shí)測信息Fm，i和間接法實(shí)測信息，并結(jié)合先驗(yàn)概率密度模型來推定歷史建筑砌體強(qiáng)度.

4 歷史建筑砌體強(qiáng)度的檢測

4.1 燒結(jié)黏土磚強(qiáng)度f1的檢測

某歷史建筑中的承重墻體采用燒結(jié)黏土磚砌筑.通過現(xiàn)場回彈測試和取樣進(jìn)行抗壓強(qiáng)度試驗(yàn)來獲得磚強(qiáng)度的樣本.

現(xiàn)場回彈測試時，將整幢建筑的承重墻體劃分為1個檢測單元，在該檢測單元中選取4個典型部位作為測區(qū)，在每個測區(qū)內(nèi)嚴(yán)格按照GB／T 50315—2011標(biāo)準(zhǔn)進(jìn)行回彈測試并評定強(qiáng)度等級.另外，切割測區(qū)中的灰縫砂漿將單塊磚完整取出，共獲取6個抗壓強(qiáng)度試件，按照GB／T 5101—2003《燒結(jié)普通磚》進(jìn)行抗壓強(qiáng)度試驗(yàn).評定和試驗(yàn)結(jié)果見表1.

表1 抗壓強(qiáng)度樣本Table 1 Samples of compressive strength N／mm2

表1中f1的測試數(shù)據(jù)反應(yīng)了磚強(qiáng)度的不確定性.受現(xiàn)場條件的限制，無法獲取更多的樣本，而可獲取的有限強(qiáng)度樣本值之間差異顯著，因此樣本的統(tǒng)計特征值不能代表檢測單元的強(qiáng)度.

基于貝葉斯方法推定磚強(qiáng)度時，采用回彈測試的結(jié)果建立磚強(qiáng)度的先驗(yàn)概率密度模型，用抗壓強(qiáng)度試驗(yàn)結(jié)果來更新磚強(qiáng)度的先驗(yàn)概率密度模型.

4.2 砂漿強(qiáng)度f2的檢測

該歷史建筑中的承重墻體采用的是石灰黏土砂漿.根據(jù)GB／T 50315—2011標(biāo)準(zhǔn)，將整幢建筑的承重墻體作為1個檢測單元，鑿開粉刷層后，采用貫入法測定灰縫砂漿的強(qiáng)度.

在磚塊回彈測試的部位確定5 個測區(qū)，獲得5個換算強(qiáng)度（即強(qiáng)度平均值）樣本，結(jié)果如表1所示.根據(jù)砂漿強(qiáng)度等級的確定方法，可建立砂漿強(qiáng)度的先驗(yàn)概率密度模型.

在磚塊取樣的部位，獲得4個換算強(qiáng)度樣本，結(jié)果見表1.這4個樣本值用于更新砂漿強(qiáng)度的先驗(yàn)概率密度模型.

4.3 砌體強(qiáng)度f 的現(xiàn)場檢測

參照GB／T 50315—2011 標(biāo)準(zhǔn)，在磚和砂漿強(qiáng)度測區(qū)中選擇3個典型部位，將承重墻體開槽后進(jìn)行原位軸壓法測試，其結(jié)果見表1.

5 基于貝葉斯方法的砌體強(qiáng)度推定

5.1 強(qiáng)度的后驗(yàn)概率模型

對于磚強(qiáng)度，分別采用對數(shù)正態(tài)分布和均勻分布作為先驗(yàn)概率密度模型，再采用MH 方法獲得后驗(yàn)概率密度模型.對數(shù)正態(tài)分布先驗(yàn)?zāi)Ｐ椭?，根?jù)表1中的磚強(qiáng)度，均值取為8.2 N／mm2，方差取為0.90；均勻分布先驗(yàn)概率密度模型中，先由表1中磚強(qiáng)度所有數(shù)據(jù)的最大值和最小值來確定區(qū)間長度，再乘以2得到上下界［2.2，12.2］.磚強(qiáng)度的后驗(yàn)概率密度模型如圖1所示，其中p 為概率密度.由圖1可見，由于變異系數(shù)δ很小，模型偏度不明顯.

圖1 磚強(qiáng)度的后驗(yàn)概率密度模型Fig.1 Posterior PDFs for compressive strength of brick

采用同樣的方法獲取砂漿強(qiáng)度的后驗(yàn)概率密度模型，如圖2所示.其對數(shù)正態(tài)分布先驗(yàn)概率密度模型中，均值取表1中砂漿強(qiáng)度前5個測區(qū)的樣本均值，即0.3N／mm2，方差取為0.01；均勻分布先驗(yàn)概率密度模型中，先由表1中砂漿強(qiáng)度所有數(shù)據(jù)的最大值和最小值來確定區(qū)間長度，再乘以2，并考慮強(qiáng)度值非負(fù)，得到上下界［0，1.55］.

圖2 砂漿強(qiáng)度的后驗(yàn)概率密度模型Fig.2 Posterior PDFs for compressive strength of mortar

在磚強(qiáng)度的后驗(yàn)概率密度模型中，取變異系數(shù)較小的模型（圖1（a））確定μF1，分別 為3.6，0.001；在砂漿強(qiáng)度的后驗(yàn)概率密度模型中，取變異系數(shù)較小的模型（圖2（a））確定μF2，分別為－0.7，0.039；再合并表1中砌體強(qiáng)度的數(shù)據(jù)來更新似然函數(shù)式（8）.分別采用［0，0.01］，［0，0.05］和［0，0.1］內(nèi)的無信息均勻分布先驗(yàn)概率密度模型，并采用MH 方法進(jìn)行抽樣，獲得砌體強(qiáng)度推定誤差的后驗(yàn)概率密度模型，如圖3所示.由圖3可見，基于不同先驗(yàn)概率密度模型的后驗(yàn)概率密度模型均值和變異系數(shù)接近，即先驗(yàn)概率密度模型的差異對的不確定性影響較小.

5.2 砌體強(qiáng)度推定結(jié)果

將圖1～3中后驗(yàn)概率密度模型的統(tǒng)計特征值分別代入式（6a）和式（6b），可確定砌體抗壓強(qiáng)度的對數(shù)Fm服從正態(tài)分布N（－0.27，0.25）.再根據(jù)對數(shù)正態(tài)分布特征，可推定fm＝0.9N／mm2，fm的不確定性程度可由圖3定量給出.

根據(jù)表1，采用間接法時，砌體強(qiáng)度可推定為0.6N／mm2；采用直接法時，砌體強(qiáng)度可推定為0.7N／mm2.直接法和間接法推定結(jié)果之間有差異，由模型誤差、量測誤差等導(dǎo)致的不確定性難以衡量；并且間接法中的砂漿強(qiáng)度和直接法中的砌體強(qiáng)度均由相應(yīng)樣本中的最小值確定，從而丟失了其他樣本的信息.而基于貝葉斯方法的推定結(jié)果利用了所有實(shí)測樣本和可靠的先驗(yàn)判斷，其信息量比單獨(dú)通過間接法或直接法獲得的推定值更為豐富.

圖3 的后驗(yàn)概率密度模型Fig.3 Posterior PDFs forσ2γ

5.3 貝葉斯方法推定結(jié)果的性質(zhì)

基于貝葉斯方法的歷史建筑砌體強(qiáng)度推定過程不舍棄實(shí)測樣本，保證了推定結(jié)果中實(shí)測信息的完整性，滿足大數(shù)定律的要求.推定結(jié)果結(jié)合了先驗(yàn)信息和實(shí)測信息，并自動對這2類信息賦予合理的權(quán)重.如果實(shí)測信息的不確定性較小，其將獲得較大的權(quán)重，此時先驗(yàn)概率密度模型的差異將不會顯著影響后驗(yàn)概率密度模型的統(tǒng)計參數(shù)（見圖1）.如果實(shí)測信息較為離散，則由不同先驗(yàn)概率密度模型所得后驗(yàn)概率密度模型的均值差異較明顯，且變異系數(shù)都很大（見圖2），此時抽樣過程更依賴于先驗(yàn)信息.這說明在現(xiàn)場實(shí)測信息不足的條件下，可靠的先驗(yàn)信息對于強(qiáng)度的估計具有重要的意義.此時為避免主觀性的影響，應(yīng)采用不同的先驗(yàn)概率密度模型進(jìn)行MH 抽樣，然后對相應(yīng)的后驗(yàn)概率密度模型進(jìn)行對比分析.

基于貝葉斯方法的強(qiáng)度推定結(jié)果具有可擴(kuò)展性，適用于砌體強(qiáng)度的長期觀測.當(dāng)獲得新的實(shí)測數(shù)據(jù)時，可將已有的后驗(yàn)概率密度模型作為先驗(yàn)信息，重新啟動推定過程進(jìn)一步更新.如果砌體強(qiáng)度穩(wěn)定，推定結(jié)果的不確定性將隨實(shí)測信息的累積而不斷減?。蝗绻鲶w強(qiáng)度受外部環(huán)境或其他因素影響而發(fā)生改變，則后續(xù)的實(shí)測數(shù)據(jù)將更新已有的判斷.

強(qiáng)度的后驗(yàn)概率模型可定量表示推定結(jié)果的不確定性，對于決策非常有利.由圖2中后驗(yàn)概率密度模型的統(tǒng)計特征，可分別推定砂漿強(qiáng)度值為0.5N／mm2（正態(tài)先驗(yàn)）和0.6N／mm2（均勻先驗(yàn)）；根據(jù)后驗(yàn)概率密度模型的變異系數(shù)，可判定0.5N／mm2具有較小的不確定性.對比圖1，2中后驗(yàn)概率密度模型的變異系數(shù)可知，實(shí)測的磚強(qiáng)度比砂漿強(qiáng)度更可靠，這符合砌體強(qiáng)度現(xiàn)場檢測時砂漿風(fēng)化程度較高的一般規(guī)律.

基于貝葉斯方法的強(qiáng)度推定結(jié)果含義豐富.首先，模型誤差的方差的后驗(yàn)概率密度模型可作為決策的定量依據(jù)的最優(yōu)值可通過逐次搜索確定.如圖3所示，先驗(yàn)概率密度模型為均勻分布時，其下界為0，逐次變化上界，可分別獲得的后驗(yàn)概率密度模型；當(dāng)后驗(yàn)概率密度模型的統(tǒng)計參數(shù)趨于穩(wěn)定時，可將該模型的均值作為的估計值.其次，砌體強(qiáng)度對各因素的敏感性可由各因素的后驗(yàn)概率密度模型來定量描述.由式（6b）以及圖1，2中后驗(yàn)概率密度模型的統(tǒng)計特征可知，砂漿強(qiáng)度的不確定性對砌體強(qiáng)度推定結(jié)果的不確定性影響較大.這與當(dāng)前工程實(shí)踐中的情況一致，可作為工程問題的理論解釋.最后，對于歷史建筑，現(xiàn)場條件對直接法限制較大，此時可通過增加間接法的實(shí)測樣本數(shù)來降低強(qiáng)度推定結(jié)果的不確定性，式（8）為此提供了理論依據(jù).

6 結(jié)論

（1）貝葉斯方法不舍棄實(shí)測樣本，保證了推定結(jié)果中實(shí)測信息的完整性.通過累積實(shí)測信息可以不斷更新推定結(jié)果，以經(jīng)濟(jì)、有效的方式實(shí)現(xiàn)砌體強(qiáng)度的長期觀測.

（2）貝葉斯方法定量給出了推定結(jié)果的不確定性及其對各影響因素的依賴程度，有利于客觀分析和決策.推定結(jié)果表明，砂漿強(qiáng)度的不確定性對砌體強(qiáng)度推定結(jié)果的影響顯著.

（3）貝葉斯方法可將直接法和間接法獲得的砌體強(qiáng)度信息相結(jié)合，從而降低推定結(jié)果的不確定性.該方法從理論上說明，對于歷史建筑，可通過增加間接法的實(shí)測樣本數(shù)來獲得更為合理的砌體強(qiáng)度推定結(jié)果.

［1］SYNGELLAKIS S.Heritage masonry：Materials and structures［M］.Billerica：WIT Press，2013：1－33.

［2］DG／TJ 08—804—2005 既有建筑物結(jié)構(gòu)檢測與評定標(biāo)準(zhǔn)［S］.DG／TJ 08—804—2005 Standard for structural inspection and assessment for existing buildings［S］.（in Chinese）

［3］BECK J L，KATAFYGIOTIS L S.Updating models and their uncertainties I：Bayesian statistical［J］.Journal of Engineering Mechanics，ASCE，1998，124（4）：455－461.

［4］姚繼濤.現(xiàn)有結(jié)構(gòu)材料強(qiáng)度的統(tǒng)計推斷［J］.西安建筑科技大學(xué)學(xué)報：自然科學(xué)版，2003，35（4）：307－311.YAO Jitao.Statistical inference of material strength of existing structures［J］.Journal of Xi'an University of Architechture ＆Technology：Natural Science，2003，35（4）：307－311.（in Chinese）

［5］劉書奎，吳子燕，韓暉，等.基于物理參數(shù)貝葉斯更新的橋梁剩余強(qiáng)度估計研究［J］.工程力學(xué)，2011，28（8）：126－132.LIU Shukui，WU Ziyan，HAN Hui，et al.Remaining load capacity estimation of bridge structures based on the Bayesianupdated physical parameters［J］.Engineering Mechanics，2011，28（8）：126－132.（in Chinese）

［6］ATAMTURKTUR S，HEMEZ F，UNAL C.Calibration under uncertainty for finite element models of masonry［R］.Los Alamos，NM：Report LA－242，Los Alamos National Laboratory（LANL），2010.

［7］HOFF P D.A first course in Bayesian statistical methods［M］.New York：Springer Science＋Business Media，2009：67－89.

［8］唐岱新，龔紹熙，周炳章.砌體結(jié)構(gòu)設(shè)計規(guī)范理解與應(yīng)用［M］.2版.北京：中國建筑工業(yè)出版社，2012：21－23.TANG Daixin，GONG Shaoxi，ZHOU Bingzhang.Understanding and application of code for design of masonry structures［M］.2nd ed.Beijing：China Architecture and Building Press，2012：21－23.（in Chinese）