近日，我院青年教师陈梦蝶博士在地震工程领域国际期刊《Bulletin of Earthquake Engineering》发表题为“Data drift mitigation in machine learning for predicting the earthquake performance of corroded bridges”的研究论文。

腐蚀退化会造成长期服役桥梁抗震性能下降，传统机器学习模型面对桥梁工况变化，易出现预测精度降低等问题。针对这一现状，研究提出数据增强与模型优化方法，将桥梁腐蚀演化归为数据分布漂移问题，分析模型性能衰减规律，并探究生成式人工智能对提升预测稳定性的作用。团队对比多种生成模型效果，证实VAE–WGAN模型可生成高质量模拟数据，有效缓解数据漂移，提升桥梁地震损伤评估结果的可靠性，为腐蚀桥梁抗震性能智能评估提供了新方法。

《Bulletin of Earthquake Engineering》（影响因子4.1，中科院工程技术二区期刊）由Springer Nature出版，专注刊载地震工程相关原创研究成果，在地震工程领域具备较高学术影响力，是该领域重要的国际学术期刊。

该成果的发表，体现了我院在老化桥梁抗震评估、智能预测模型构建方向的持续研究探索。学院长期聚焦基础设施安全评估、桥梁全寿命抗震分析等领域，不断推进工程结构与大数据、人工智能技术交叉融合。此项成果也将为长期服役基础设施安全评估、城市防灾韧性提升等相关研究与实践提供有力支撑。