دانشگاه صنعتی امیرکبیر نشریه مهندسی عمران امیرکبیر 2588-297X 58 1 2026 03 21 Modeling the Influence of Passive Coatings on Steel Nanofiber Mechanics Using a Core–Shell Framework مدل‌سازی عددی تأثیر لایه‌های اکسیدی و هیدروکسیدی بر خواص مکانیکی نانوالیاف فولادی با به‌کارگیری مدل هسته-پوسته 6023 10.22060/ceej.2026.24471.8315 FA علیرضا موسیوند دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران امیر رضائی صامتی دانشکده فنی و مهندسی، دانشگاه بوعلی سینا، همدان، ایران 0000-0002-7985-9840 Journal Article 2025 07 29 Both hydroxylation and surface oxidation have primary roles in steel nanofiber mechanical properties. The chemical reactions, resulting from contact with water vapor, oxygen, and corrosive environments, lead to the alteration of the atomic composition of the surface of the nanofiber and form layers whose properties are different from pure steel. In the present paper, a study of the effects of these processes on compressive and tensile mechanical properties of steel nanofibers through molecular dynamics methods using the reactive force field potential (ReaxFF) and core-shell modeling approach has been discussed. Simulations are performed using LAMMPS software with a quasi-static incremental loading scheme to minimize dynamic stresses. It has been found that higher oxide layer thickness reduces Young's modulus, yield stress, and ultimate strength of the nanofibers. Most notably, a 20% oxide layer thickening can reduce Young's modulus by up to 40% and yield stress by up to 34%. Hydroxylation causes these values to become even lower due to its ability to create weaker and less stable bonds. The analysis of the stress-strain curve indicates that the layers of oxide and hydroxide facilitate stress concentration and increase material failure. Experimental evidence corroborates the simulation results and demonstrates the high accuracy of the numerical model. The findings of the present study indicate that when steel nanofibers are exposed to the alkaline condition of concrete, widespread yield stress and Young's modulus reduction will be witnessed, which should be accounted for in the application of such components. اکسیداسیون و هیدروکسیداسیون سطحی تأثیر بسزایی بر رفتار مکانیکی نانوالیاف فولادی دارند. این فرآیندهای شیمیایی که در اثر تماس با اکسیژن، رطوبت و محیط‌های خورنده رخ می‌دهند، ساختار اتمی سطح نانوالیاف را تغییر داده و باعث تشکیل لایه‌هایی با خواص متفاوت از فولاد اولیه می‌شوند. در این پژوهش، تأثیر این فرایندها بر خواص مکانیکی نانوالیاف فولادی تحت بارگذاری کششی و فشاری با استفاده از روش دینامیک مولکولی، پتانسیل میدان نیروی واکنشی (ReaxFF) و مدل هسته-پوسته بررسی شده است. شبیه‌سازی‌ها با نرم‌افزار LAMMPS و با به‌کارگیری روش بارگذاری شبه‌استاتیکی جزء‌به‌جزء انجام شد تا تنش‌های دینامیکی کاهش یابد. نتایج نشان می‌دهد که افزایش ضخامت لایه اکسیدی منجر به کاهش مدول یانگ، تنش تسلیم و مقاومت نهایی نانوالیاف می‌شود. به طوری که افزایش ضخامت لایه اکسیدی تا ۲۰ درصد می‌تواند مدول یانگ را تا ۴۰ درصد و تنش تسلیم را تا ۳۴ درصد کاهش دهد. فرآیند هیدروکسیداسیون به دلیل تشکیل پیوندهای ضعیف‌تر و ناپایدارتر، این پارامترها را بیشتر کاهش می‌دهد. بررسی نمودارهای تنش-کرنش نشان می‌دهد که لایه‌های اکسیدی و هیدروکسیدی منجر به تسهیل تمرکز تنش و تسریع گسیختگی مواد می‌شوند. مقایسه نتایج شبیه‌سازی با داده‌های تجربی، دقت قابل قبول مدل عددی را تایید می‌کند. یافته‌های این پژوهش نشان می‌دهد که در صورت قرارگیری نانوالیاف فولادی در محیط قلیایی بتن، کاهش قابل توجهی در تنش تسلیم و مدول یانگ رخ می‌دهد که باید در کاربرد این اجزا مورد توجه قرار گیرد. https://ceej.aut.ac.ir/article_6023_3ba9af181751761d3b387f74ded2d783.pdf

دانشگاه صنعتی امیرکبیر نشریه مهندسی عمران امیرکبیر 2588-297X 58 1 2026 03 21 Optimal Parameter Prediction in Tuned Liquid Mass Dampers Using Machine Learning Classification Models پیش‌بینی پارامترهای بهینه میراگر جرمی مایع تنظیم‌شونده با استفاده از مدل‌های دسته‌بندی یادگیری ماشین 6024 10.22060/ceej.2026.24783.8348 FA حسین غفارزاده گروه سازه، دانشکده عمران و محیط‌زیست، دانشگاه تبریز، تبریز، ایران علیرضا آران گروه سازه، دانشکده عمران و محیط‌زیست، دانشگاه تبریز، تبریز، ایران علیرضا بینوایان گروه سازه، دانشکده عمران و محیط‌زیست، دانشگاه امیرکبیر، تهران، ایران Journal Article 2025 09 21 This study proposes an integrated framework that combines dynamic modeling, numerical optimization, and machine learning classification to predict the optimal design parameters of Tuned Liquid Mass Dampers (TLMDs). Two primary outputs—the optimal frequency ratio and optimal damping ratio—were analyzed using six classification models: Logistic Regression, Decision Tree, Random Forest, K Nearest Neighbors (KNN), Support Vector Machine (SVM), and Naive Bayes. Two structural configurations were examined: a single-story and a five-story shear building, each equipped with rooftop TLMDs mounted on elastomeric pads. Dynamic responses were obtained for six earthquake records using time history analysis, with liquid motion modeled by the Housner model. Optimal elastomeric pad parameters for various tank configurations were determined via the Pattern Search algorithm. The results revealed that for the optimal frequency ratio in the single-story structure, KNN and Random Forest achieved the highest F1 score (~0.73), whereas in the five-story building, prediction accuracy declined and Naive Bayes performed best (~0.68). Regarding the optimal damping ratio, Naive Bayes excelled in both structures, particularly in the five-story model. Confusion matrix analysis indicated that most errors occurred in the intermediate class, primarily due to feature overlap. By significantly reducing computational time and eliminating the need for exhaustive numerical simulations, the proposed data-driven methodology supports reliable decision-making in both preliminary and detailed stages of TLMD design. Moreover, the framework is extendable to other passive vibration control devices and more complex structural systems, advancing the concept of intelligent, efficient, and precise design tools in structural engineering. در این پژوهش، یک چارچوب یکپارچه مبتنی بر مدل‌سازی دینامیکی، بهینه‌سازی عددی و یادگیری ماشین برای پیش‌بینی پارامترهای بهینه میراگر جرمی مایع تنظیم‌شونده (Tuned Liquid Mass Damper – TLMD) ارائه می‌شود. دو پارامتر کلیدی طراحی شامل نسبت فرکانسی بهینه و نسبت میرایی بهینه، با استفاده از شش الگوریتم یادگیری ماشین شامل رگرسیون لجستیک (Logistic Regression)، درخت تصمیم (Decision Tree)، جنگل تصادفی (Random Forest)، الگوریتم k نزدیک‌ترین همسایه (k-Nearest Neighbors)، ماشین بردار پشتیبان (Support Vector Machine) و بیز ساده (Naive Bayes) مورد بررسی قرار گرفته‌اند. این مطالعه برای دو سازه برشی یک‌طبقه و پنج‌طبقه مجهز به TLMD نصب‌شده بر روی بالشتک‌های الاستومری انجام شده است. پاسخ دینامیکی سازه‌ها تحت اثر شش رکورد زلزله با استفاده از تحلیل تاریخچه زمانی شبیه‌سازی شده و رفتار نوسانی مایع درون مخزن بر اساس مدل هازنر مدل‌سازی گردیده است. پارامترهای بهینه سیستم با استفاده از الگوریتم جستجوی الگو (Pattern Search) استخراج شده و پس از تقسیم‌بندی داده‌ها به سه کلاس عملکردی، به‌عنوان ورودی مدل‌های یادگیری ماشین به کار رفته‌اند. نتایج نشان می‌دهد که در پیش‌بینی نسبت فرکانسی بهینه، الگوریتم‌های k نزدیک‌ترین همسایه و جنگل تصادفی برای سازه یک‌طبقه بهترین عملکرد را با F1-score حدود 73 % ارائه می‌دهند، در حالی که در سازه پنج‌طبقه، به‌دلیل افزایش پیچیدگی رفتاری، الگوریتم بیز ساده با F1-score حدود 68 % عملکرد مناسب‌تری دارد. همچنین، بیز ساده در پیش‌بینی نسبت میرایی بهینه برای هر دو سازه عملکردی پایدار نشان داده و در سازه پنج‌طبقه دقتی در حدود 84 % به‌دست آمده است که کارایی چارچوب پیشنهادی را تأیید می‌کند. https://ceej.aut.ac.ir/article_6024_3bd8fdb090f1f5eb66a00c84dbc5ad51.pdf

دانشگاه صنعتی امیرکبیر نشریه مهندسی عمران امیرکبیر 2588-297X 58 1 2026 03 21 Prediction of Compressive Strength of Fly Ash Concrete Using Machine Learning Models پیش‌بینی مقاومت فشاری بتن حاوی خاکستر بادی با استفاده از مدل‌های یادگیری ماشین 6026 10.22060/ceej.2026.23989.8242 FA الهه مؤذنی دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران یاسر مودی دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران Journal Article 2025 03 10 Fly ash is produced as a byproduct of the coal combustion process in thermal power plants. Fly ash consists of very fine and microscopic particles, typically composed of mineral compounds such as silicon dioxide, aluminum oxide, and iron oxide. These compounds make fly ash suitable for use in various industries, particularly in the construction industry. Applications of fly ash include additives in concrete, fillers in asphalt, production of bricks and concrete blocks, and pollutant absorption. As a pozzolanic material, fly ash helps reduce carbon dioxide emissions in the cement production process. In this study, a comprehensive database of previous studies on fly ash concrete was initially collected. This data included 599 samples from credible laboratory studies. The gathered dataset consisted of various input variables, including the water-to-cement ratio, amount of fly ash, cement content, coarse aggregate amount, fine aggregate amount, superplasticizer content, and curing age of the concrete. To predict the compressive strength of the concrete, various machine learning algorithms were utilized, including Genetic Programming (GP), Adaptive Neuro-Fuzzy Inference System (ANFIS), Multi-Layer Perceptron (MLP), Radial Basis Function Neural Network (RBF), Kriging, and Extreme Learning Machine (ELM). Furthermore, the accuracy of each model was evaluated using statistical indices, and the best model was identified. The results show that different machine learning models exhibit varying performances in predicting compressive strength. In particular, the Kriging method, with a correlation coefficient of 0.96, was selected as the best model. خاکستر بادی در نتیجه فرایند احتراق ذغال‌سنگ در نیروگاه ‌های حرارتی به عنوان یکی از محصولات جانبی به دست می‌آید. خاکستربادی ذرات بسیار ریز و میکروسکوپی دارد که معمولاً از ترکیب مواد معدنی مانند سیلیسیم دی ‌اکسید، آلومینیوم اکسید و آهن اکسید تشکیل شده است. این ترکیبات باعث می‌شوند که از خاکستربادی در صنایع مختلف، به ویژه در صنعت بتن، استفاده شود. ازکاربرد های خاکستربادی میتوان به افزودنی به بتن، پرکننده در آسفالت، ساخت آجر و بلوک‌های بتنی و جذب آلاینده ‌ها اشاره نمود. خاکستربادی به عنوان یک ماده پوزولانی، به کاهش تولید کربن دی‌اکسید در فرآیند تولید سیمان کمک می‌کند. در این مطالعه ابتدا یک پایگاه داده ای جامع از مطالعات گذشته در خصوص بتن حاوی خاکستر بادی جمع آوری شد. این داده ها شامل ۵۹۹ نمونه از مطالعات آزمایشگاهی معتبر بود. مجموعه داده‌های جمع‌آوری ‌شده شامل متغیرهای ورودی مختلفی از جمله نسبت آب به سیمان، مقدار خاکستر بادی، میزان سیمان، مقدار درشت‌دانه‌ ها، مقدار ریزدانه‌ ها، میزان روان‌کننده و سن عمل‌آوری بتن می‌باشد. برای پیش‌بینی مقاومت فشاری بتن ‌ها، از الگوریتم‌ های مختلف یادگیری ماشین از جمله برنامه‌ریزی ژنتیک)1(GP، سیستم استنتاج منطق فازی- عصبی)2(ANFIS، پرسپترون چندلایه)3(MLP، شبکه عصبی شعاعی پایه)4(RBF، کریجینگ(Kriging) و شبکه‌های عصبی تک لایه)5(ELM استفاده شده است. همچنین، دقت هر مدل با استفاده از شاخص‌های آماری ارزیابی شده و بهترین مدل معرفی گردید. نتایج نشان می‌دهد که مدل‌های مختلف یادگیری ماشین عملکردهای متفاوتی در پیش‌بینی مقاومت فشاری دارند. به ویژه روش کریجینگ (Kriging)با ضریب همبستگی 96/0 به عنوان بهترین مدل انتخاب گردید. https://ceej.aut.ac.ir/article_6026_a70dab11c90d06b809d0be230731762a.pdf

دانشگاه صنعتی امیرکبیر نشریه مهندسی عمران امیرکبیر 2588-297X 58 1 2026 03 21 Evaluation of Strand Deboning as a Method for Controlling End-Region Damage in Pretensioned Concrete Girders بررسی عددی کارایی روش منفصل‌سازی فولاد پیش‌تنیدگی برای کنترل آسیب انتهایی در تیرهای بتن پیش‌کشیده 6049 10.22060/ceej.2026.21926.7856 FA فاطمه رنجبر دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل حسین یوسف پور گروه مهندسی سازه و زلزله، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران 0000-0001-5454-6584 جواد واثقی امیری دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل Journal Article 2022 11 12 Prestressed concrete is an effective solution for construction of flexural members under significant service loads, which can be pretensioned or posttensioned. In pretensioned concrete members, the transfer of prestressing force relies on direct contact between the prestressing steel and concrete. Modern pretensioned concrete girders employ thin webs and high levels of prestress. The transfer of the large stresses from strands to concrete in such cross sections results in cracking at the ends of the girders and causes concerns about their durability and load-carrying capacity, specially under shear-critical loading. This paper presents a numerical evaluation of pretensioned beams, in which end-region cracking is mitigated by means of strand debonding. Nonlinear, models of prestressed girders are developed to simulate the conditions of the member at the time of transfer and under loading until failure. The model was validated using strains and load-displacement curves obtained from experimental studies on full-scale girders. The structural behavior of the pretensioned girders was investigated using the validated model for debonding of all strands in lengths between 250 and 1000 mm or half of the strands for lengths between 250 and 3000 mm. Results showed that debonding of all strands up to a length of 250 mm or half of strands for up to 1000 mm would control cracking in the end region areas without affecting the load-carrying capacity. Greater debonding lengths cause serious damage to the girder under shear-critical loading and necessitates additional transverse reinforcement at the beginning of the fully bonded zone. بتن پیش‌تنیده روشی کارامد برای ساخت اعضای خمشی در سازه‌‌های دارای بار بهره‌برداری قابل توجه محسوب می‌شود که می‌تواند به حالت پیش‌کشیده یا پس‌کشیده مورد استفاده قرار گیرد. در اعضای پیش‌کشیده، که برای کاربرد به‌صورت پیش‌ساخته بسیار مطلوب هستند، از قطعات مهار استفاده نشده و انتقال پیش‌تنیدگی بر تماس مستقیم بین فولاد پیش‌تنیدگی و بتن متکی می‌باشد. نسل نوین تیرهای پیش‌کشیده با جان لاغر و نیروی پیش‌تنیدگی بزرگ ساخته می‌شوند که موجب ایجاد ترک‌های متعدد در نواحی انتهایی این تیرها شده و دوام، بهره‌برداری، و مقاومت برشی آن‌ها را تحت تاثیر قرار می‌دهد. پژوهش حاضر به ارزیابی روش منفصل‌سازی فولاد پیش‌تنیدگی برای کنترل ترک‌های انتهایی در تیرهای پیش‌کشیده می‌پردازد. یک مدل غیرخطی در محیط اجزای محدود توسعه داده شده و در زمان انتقال پیش‌تنیدگی و تحت بارگذاری برشی در قیاس با نتایج آزمایشگاهی مورد صحت‌سنجی قرار گرفت. سپس رفتار سازه‌ای تیرهای پیش‌کشیده با انفصال تمامی فولاد در فواصل 250 تا 1000 میلیمتر و یا نیمی از فولاد در فواصل 250 تا 3000 میلیمتر مورد بررسی قرار گرفت. نتایج نشان داد که از بین بردن پیوستگی بین بتن و تمامی فولاد پیش‌تنیدگی تا فاصله 250 میلیمتری از انتهای تیر و یا نیمی از فولاد پیش‌تنیدگی تا 1000 میلیمتر از انتهای تیر باعث کنترل آسیب در نواحی انتهایی در زمان اعمال پیش‌تنیدگی می‌گردد. انفصال فولاد تا طول بیشتر، با وجود کاهش آسیب در زمان انتقال پیش‌تنیدگی، باعث آسیب جدی نواحی انتهایی حین بارگذاری برشی شده و با توجه به اندرکنش برش-پیوستگی، مستلزم کاربرد آرماتور عرضی بیشتر در ابتدای ناحیه پیوستگی خواهد بود. https://ceej.aut.ac.ir/article_6049_fe45e3227f3805b1314414203c4e5206.pdf

دانشگاه صنعتی امیرکبیر نشریه مهندسی عمران امیرکبیر 2588-297X 58 1 2026 03 21 A framework for determining contractor’s cash outflow based on Building Information Modeling (BIM) تدوین چهارچوبی برای تعیین جریان نقدینگی خروجی پیمانکار در بستر مدل اطلاعاتی ساخت (BIM) 6050 10.22060/ceej.2026.23578.8209 FA محمدحسین سلیمی دانشجوی دکترا مهندسی و مدیریت ساخت، دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر وحید شاه حسینی دانشگاه صنعتی امیرکبیر Journal Article 2024 12 13 Accurate determination of project cash flow is vital for contractors in construction projects. Among cash flows, the contractor’s cash ouflow is particularly important, and neglecting it can lead to liquidity shortages during the project. With the advancement of modern computational tools, especially Building Information Modeling (BIM) in the construction industry, the contractor’s cash ouflow can be calculated at any moment of the project easily and within minutes. This paper presents a framework based on contractors’ payment models for labor, equipment, and materials, which was implemented in a real construction project. The model is designed with an emphasis on the time lag between resource utilization and cost payment, and the actual cash flow is compared with the total cost curve. The results indicate that the primary source of discrepancy between the total cost curve and the outflow cash flow is the time difference between recording costs and actual payments. This delay creates liquidity peaks in capital-intensive and discrete costs such as materials, while continuous costs, such as labor, only cause minor temporal variations. Using the total cost curve to estimate profitability introduces a limited error of approximately 0.3 to 2.1%. However, the contractor’s actual cash requirement due to delays in material payments can be overestimated by up to 64%, whereas labor payments mainly cause only minor shifts in cash flow. Therefore, active management of material payments and negotiation with suppliers can reduce liquidity risk and improve financial decision-making. تعیین دقیق جریان نقدینگی پروژه امری حیاتی برای پیمانکاران پروژه‌های عمرانی است. در این میان جریان نقدینگی خروجی پیمانکار از اهمیت بسزایی برخوردار بوده و عدم توجه به آن می‌تواند موجب بروز چالش کمبود نقدینگی در طول پروژه برای پیمانکار شود. با گسترش ابزارهای نوین رایانه‌ای به‌ویژه مدل‌سازی اطلاعات ساخت در صنعت ساخت‌وساز، می‌توان در هرلحظه از پروژه جریان نقدینگی خروجی پیمانکار را به‌راحتی و کمتر از چند دقیقه محاسبه نمود. در این مقاله، چهارچوبی مبتنی بر مدل‌های پرداختی پیمانکار برای نیروی انسانی، ماشین‌آلات و ابزار و مصالح ارائه و در یک پروژه ساختمانی واقعی پیاده‌سازی گردید. مدل با تأکید بر مفهوم فاصله زمانی میان استفاده از منابع و پرداخت هزینه‌ آنها طراحی شده و جریان نقدینگی واقعی با نمودار هزینه کل مقایسه شد. نتایج نشان می‌دهد که منشأ اصلی تفاوت میان نمودار هزینه کل و جریان نقدینگی خروجی، اختلاف زمانی میان ثبت هزینه‌ها و پرداخت واقعی است. این تأخیر باعث ایجاد پیک‌های نقدینگی در هزینه‌های سرمایه‌بر و گسسته مانند مصالح می‌شود، در حالی که هزینه‌های پیوسته مانند نیروی انسانی تنها تغییرات جزئی زمانی ایجاد می‌کنند. استفاده از نمودار هزینه کل برای برآورد سودآوری، خطای محدودی حدود ۰.۳ تا ۲.۱ درصد دارد. با این حال، نیاز نقدینگی واقعی پیمانکار به دلیل تأخیر در پرداخت هزینه‌های مصالح می‌تواند تا ۶۴ درصد بیش‌برآورد شود، در حالی که پرداخت نیروی انسانی عمدتاً تنها باعث شیفت‌های زمانی جزئی در جریان نقدینگی می‌شود. بنابراین، مدیریت فعال پرداخت مصالح و چانه‌زنی با تأمین‌کنندگان ریسک کمبود نقدینگی را کاهش داده و تصمیم‌گیری مالی را بهبود می‌بخشد. https://ceej.aut.ac.ir/article_6050_6687cb56cc090abcaedefca26a8e6606.pdf

دانشگاه صنعتی امیرکبیر نشریه مهندسی عمران امیرکبیر 2588-297X 58 1 2026 03 21 Estimation of the Remaining Service Life of Reinforced Concrete Structures Exposed to Corrosion Using a System-Based Performance Approach: A Cooling Tower Case Study تخمین عمر باقی‌مانده سازه‌های بتن مسلح در معرض خوردگی با رویکرد مبتنی بر عملکرد سیستم: مطالعه موردی یک برج خنک‌کننده 6051 10.22060/ceej.2026.24214.8278 FA محمدعلی جعفری صحنه سرایی گروه پژوهشی سازه‌های صنعت برق، پژوهشگاه نیرو، تهران، ایران 0000-0002-4502-1206 مائده ذاکرصالحی گروه پژوهشی سازه‌های صنعت برق، پژوهشگاه نیرو، تهران، ایران 0000-0001-9630-1294 آرش یگانه فلاح گروه پژوهشی سازه‌های صنعت برق، پژوهشگاه نیرو، تهران، ایران 0000-0002-0839-3334 حمید ابراهیمی عراقی مسئول آزمایشگاه سازه های انتقال و توزیع نیرو اراک، گروه پژوهشی سازه‌های صنعت برق، پژوهشگاه نیرو، تهران، ایران Journal Article 2025 06 03 Estimating the remaining service life of reinforced concrete structures exposed to corrosion requires an approach that captures global structural behavior while avoiding the computational burden of conventional reliability methods. This study proposes a system performance based analytical–practical framework for service life prediction. First, the current condition of the structure is assessed through field tests, including determination of concrete and reinforcing steel strength, reinforcement corrosion rate, chloride ion penetration depth, and concrete cover thickness. A validated empirical model is then employed to predict corrosion progression and the time-dependent degradation of mechanical and geometric properties of structural members. An updated numerical model of the structure is developed, and a system performance index is defined based on the overstrength factor under gravity loading. Service life is estimated by tracking the degradation of this index and identifying the time at which it drops below the performance threshold. Application to an industrial cooling tower showed that the overstrength factor decreased from 1.08 at 40 years to 0.89 at 60 years, with functional end of life occurring at 47 years; thus, the remaining life at assessment was 7 years. A strengthening scenario demonstrated that targeted retrofit of critical members can significantly extend service life. The method is computationally efficient and supports rehabilitation decision-making. برآورد عمر باقی‌مانده سازه‌های بتن مسلح در معرض خوردگی نیازمند رویکردی است که ضمن لحاظ رفتار کلان سازه، از پیچیدگی محاسباتی روش‌های متداول قابلیت اطمینان اجتناب نماید. در این پژوهش، یک چارچوب تحلیلی–کاربردی مبتنی بر عملکرد سیستم برای برآورد عمر بهره‌برداری ارائه شده است. در این چارچوب، ابتدا وضعیت موجود سازه از طریق آزمایش‌های میدانی شامل تعیین مقاومت بتن و میلگرد، نرخ خوردگی میلگرد، میزان نفوذ یون کلرید و ضخامت پوشش بتن ارزیابی می‌شود. سپس با استفاده از یک مدل تجربی صحت‌سنجی‌شده، روند پیشرفت خوردگی و کاهش مشخصات مکانیکی و هندسی اعضا در طول زمان پیش‌بینی می‌گردد. بر این اساس، مدل عددی به‌روزشده سازه تشکیل و شاخص عملکرد سیستم بر مبنای ضریب اضافه مقاومت تحت بارگذاری ثقلی تعریف می‌شود. عمر سازه از طریق تحلیل روند کاهش این شاخص و تعیین زمان عبور از حد آستانه عملکرد برآورد می‌شود. کاربرد روش در یک برج خنک‌کننده صنعتی نشان داد ضریب اضافه مقاومت از 08/1 در سن 40 سالگی به 89/0 در 60 سالگی کاهش یافته و پایان عمر کارکردی در 47 سالگی رخ می‌دهد؛ بنابراین عمر باقی‌مانده در زمان ارزیابی 7 سال است. تحلیل سناریوی مقاوم‌سازی نیز نشان داد تقویت هدفمند اعضای بحرانی می‌تواند عمر باقی‌مانده را به‌طور قابل توجهی افزایش دهد. نتایج بیانگر قابلیت اجرای روش با هزینه محاسباتی محدود و کارایی آن در پشتیبانی تصمیم‌گیری مقاوم‌سازی است. https://ceej.aut.ac.ir/article_6051_1d0932d7f57ce74d9d9931a2c6db8a06.pdf