对可持续建筑的迫切需求，已将生命周期评估（LCA）推至混凝土结构环境性能评估的前沿。传统生命周期评估方法通常依赖于通用的库存数据、有限的实验数据集和静态模型，这限制了其捕捉材料相互作用和结构服役寿命复杂性的能力。近年来，在机器学习、大数据分析和数字孪生技术推动下的数据驱动方法，正在重塑生命周期评估在混凝土领域的应用范式。这些方法能够整合从实验室实验、现场监测到大规模数据库的多元数据源，从而实现碳足迹、能源消耗和长期耐久性的预测性建模。本期特刊旨在聚焦土木工程、材料科学与人工智能的前沿交叉研究，以推动数据驱动的混凝土结构生命周期评估发展。
感兴趣的主题包括但不限于：
- 混凝土结构生命周期评估（LCA）的数据驱动框架；
- 混凝土生命周期评估（LCA）大规模数据集的开发与利用；
- 强度-可持续性权衡的可解释建模；
- 数字孪生与生命周期评估（LCA）的实时监测预测集成；
- 多尺度耐久性与服役寿命模型的环境影响关联；
- 数据驱动生命周期评估（LCA）中的不确定性量化与敏感性分析。
投稿截止时间：2026年6月1日
特刊主页：
https://www.techscience.com/sdhm/special_detail/life-cycle-assessment
客座编辑简介郭鹏玮，代尔夫特理工大学
研究兴趣：结构健康监测，机器学习驱动的智能材料设计和性能表征，混凝土生命周期评估。
谈笑，河海大学
研究兴趣：光纤传感器，数据驱动设计，生命周期评估。
Soroush Mahjoubi，麻省理工学院
研究兴趣：人工智能赋能的结构健康监测，分布式光纤传感器，人工智能引导的可持续材料设计。
SDHM 期刊简介主编
Prof. Maosen Cao, Hohai University, CHINA
SDHM-Structural Durability & Health Monitoring 是一本开放获取的同行评审期刊，致力于结构健康监测和耐久性相关领域的研究前沿，发表机械、民用、航空、建筑和其他相关工程领域的高水平研究性论文、综述性文章、简报、会议论文等。SDHM旨在汇集该领域的最新科学和技术发展，推进结构耐久性和健康监测学科知识体系更新和应用发展。目前，该期刊已被EI、Scopus (CiteScore: 2.5)、SNIP(0.604)、RG Journal Impact、Engineering Index、Applied Mechanics Reviews、Cambridge Scientific Abstracts等国际数据库平台收录。
官方邮箱：sdhm@techscience.com
期刊链接：https://www.techscience.com/journal/sdhm
版权©️声明：本文由Tech Science Press 南京办公室负责编译。中文内容仅供参考，一切内容以英文原版为准。如需转载，请回复“转载”联系小编。
