基于滑坡信息先验的区域尺度岩土参数推断:一种双约束弱监督深度学习框架
《Engineering Geology》:Regional-scale geotechnical parameter inference with landslide-informed priors: a dual-constraint weakly supervised deep learning framework
【字体:
大
中
小
】
时间:2026年10月21日
来源:Engineering Geology 10.3
编辑推荐:
•提出一种面向数据稀缺环境下区域岩土工程参数推断的双约束弱监督框架。
•将物理和分布先验共同纳入神经网络,以减少反演非唯一性。
•该框架推断出物理一致且空间连续的区域尺度强度参数场。
**引言**
随着全球气候变化和人类工程活动的加剧,滑坡在全世界造成重大的人员伤亡和经济
•提出一种面向数据稀缺环境下区域岩土工程参数推断的双约束弱监督框架。
•将物理和分布先验共同纳入神经网络,以减少反演非唯一性。
•该框架推断出物理一致且空间连续的区域尺度强度参数场。
**引言**
随着全球气候变化和人类工程活动的加剧,滑坡在全世界造成重大的人员伤亡和经济损失(Alcántara-Ayala, 2025)。其演化受岩土工程性质和水文过程耦合效应的控制。当驱动力超过抗力时发生边坡失效,因此基于力学分析的边坡稳定性评价是滑坡预测和灾害缓解的基本方法(Mevoli 等,2026)。可靠的稳定性评价依赖于准确的岩土工程参数(Peng 等,2025)。尽管室内试验和原位测试可以直接获取这些参数,但强烈的空间异质性使得在区域尺度获取高分辨率参数数据成本高昂且困难(Wu 等,2024)。数值模拟和参数反演方法提供了有效的替代方案。整合多源先验知识以减少数据依赖并在区域尺度实现岩土工程参数的可靠估计,已成为工程地质和灾害缓解领域的关键科学挑战(Woodard and Mirus, 2025; Yuan 等,2025)。
岩土工程参数反演方法可根据是否显式建模参数不确定性分为确定性和概率方法(Li 等,2026a)。确定性方法仍是主导方法。它们依赖正向数值模拟结合优化算法来识别最可能的参数组合(He 等,2024; Du 等,2025)。然而,重复的正向模拟和优化过程大幅增加计算成本,且容易陷入局部最优,限制了其在区域尺度的适用性。为了提高计算效率,开发了代理建模方法。这些模型使用机器学习或统计方法构建,实现输入和输出之间的快速映射(Li 等,2026a)。尽管它们提高了效率,但缺乏显式物理约束可能导致与物理定律不一致,限制了模型的可推广性。概率反演方法在贝叶斯框架或马尔可夫链蒙特卡洛(MCMC)技术中制定(Bayes, 1763; Metropolis 等,1953; Wu 等,2026)。这些方法有效地纳入先验信息并量化参数不确定性。然而,它们需要大量数据,并在解释和控制多源不确定性方面面临挑战。近年来,物理信息神经网络(PINNs)作为一种有前景的范式出现(Raissi 等,2019)。在代理建模的基础上,PINNs 将物理模型直接嵌入神经网络,从而施加源自控制物理定律的先验约束(Momeni 等,2025; Li 等,2026b)。通过在统一框架内整合正向和逆向建模,并由数据和物理共同约束,PINNs 表现出更好的物理一致性和岩土工程参数反演的强大潜力。
物理模型和先验知识是数据驱动方法的重要补充(Yuan 等,2025; Mevoli 等,2026)。通过纳入先验物理知识,可以在数据映射过程中施加约束,引导模型产生与控制物理定律一致的预测,提高物理一致性(Wu 等,2023; He 等,2024; Zhang 等,2026a)。关键挑战在于如何有效地将物理知识整合到数据驱动方法中,并协调模型内多约束之间的相互作用(Zhang 等,2026b)。现有研究主要探索了三种嵌入物理先验约束的策略:施加于训练数据、模型参数和损失函数(Wu 等,2023)。
训练数据约束方法通过在模型训练前调节训练数据集来纳入先验知识。在一些研究中,生成合成训练样本以支持模型学习。通过基于物理的正向模拟,联合采样控制因素(如岩土工程参数和地下水条件)以高效产生大量训练数据(Hu 等,2023; Li 等,2025)。这些数据集内在嵌入了工程地质机制和特征,使神经网络能够学习与先验知识一致的映射。其他研究通过过滤、增强或编码观测数据的特征来纳入先验知识,以增强其物理信息(Cui 等,2025; Jia 等,2025; Peng 等,2026)。此类方法移除受噪声或异常条件影响的样本,同时保留具有物理意义的数据。这些方法可以提高模型的可推广性,并增强预测与地质过程之间的物理一致性。
第二种方法将先验物理知识嵌入网络。通过在模型内构建物理算子或物理神经层,该方法使前向传播过程显式遵循控制物理定律(Li 等,2025)。这种方式的先验约束被认为是硬约束,通常用于表示显式物理模型或受已知物理定律控制的问题,如边坡稳定性评价和地下水渗流模拟。在该框架下,物理定律不仅在训练过程中满足,在推理步骤中也满足(Wu 等,2023)。
第三种方法通过损失函数施加约束。在该框架中,将偏微分方程(PDEs)或其他形式的控制方程(如蠕变方程、渗流方程)嵌入神经网络,并将其残差制定为附加约束项(Dahal and Lombardo, 2025; Li 等,2026b)。在模型训练期间,这些约束引导参数更新,确保预测符合物理定律。该方法适用于求解由 PDEs 描述的物理场问题以及物理过程中中间参数的反演估计(Al-Atroush, 2025)。即使在稀疏观测条件下,该框架也能保持强大的鲁棒性和可推广性(Wu 等,2023)。
工程地质中的深度学习方法通常面临可推广性有限、可解释性弱和物理一致性不足的挑战(Yuan 等,2025)。这些问题在数据稀缺地区的预测和反演任务中尤为明显,其中反演方法本质上存在非唯一解,降低了推断参数的稳定性和可靠性。为了应对这些挑战,有必要充分利用多源数据并将多级先验知识纳入模型以构建有效约束(Wu 等,2023)。本研究提出了一种用于数据稀缺地区区域尺度岩土工程强度参数推断的双约束弱监督反演框架。该框架整合了物理约束和参数分布约束,从两个互补的角度共同减少了病态反演问题的解空间。此外,通过与边坡稳定性响应进行比较来评估推断参数的物理一致性。进行模型可解释性分析以揭示潜在的推断机制和决策逻辑,同时进行不确定性分析以量化推断结果的非唯一性和不确定性。提出的框架能够实现岩土工程强度参数的可靠估计,并为区域尺度边坡稳定性分析和工程地质灾害缓解提供一种新的岩土工程方法。
**章节片段**
**研究区域**
研究区域为重庆市万州区(图 1),位于三峡库区中部。其范围从东经 107°52′22″到东经 108°53′25″,北纬 30°23′50″到北纬 31°00′18″,覆盖面积为 3457 平方公里(Miao 等,2023)。该地区属于亚热带季风气候,特点是降雨丰富、季节分明,年平均降水量为 1187.6 毫米(主要在 5 月至 9 月),年平均气温约为 18.1°C(Xue 等,2025)。
**反演框架**
稀缺且空间异质的调查数据不足以直接训练机器学习模型(Dahal and Lombardo, 2025)。为了实现区域尺度岩土工程强度参数场的推断,本研究提出了一种双约束弱监督反演框架,在该框架中,模型由物理机制和参数分布先验知识间接约束。在该框架内,岩土工程参数被视为中间变量……
**反演结果**
基于双约束模型设计了消融实验。这些实验旨在定量评估不同约束机制对模型性能的贡献,并分析它们在反演过程中的作用。具体来说,考虑了三种模型:(a) 双约束模型(DC-NN);(b) 仅具有统计分布约束的模型,称为统计约束神经网络(SC-NN);以及 (c) 仅具有物理约束的模型……
**约束设计与推断机制**
区域尺度滑坡灾害建模的主要挑战之一是缺乏连续分布的岩土工程参数观测,这给参数推断带来了巨大的不确定性和非唯一性(Huang 等,2024a, Huang 等,2024b)。为了应对这一挑战,本研究提出了一种物理和统计约束的弱监督反演框架。在该框架内,等效强度参数在联合……下被间接推断……
**结论**
为了解决数据稀缺地区岩土工程强度参数推断中的非唯一性问题,本研究提出了一种整合先验知识的双约束弱监督深度学习框架。在重庆万州区进行了区域尺度参数推断。结果表明:(1) 基于地形、岩性、水文条件和人类工程活动等 13 个环境因素,提出的框架能够实现有效……
**CRediT 作者贡献声明**
Qiuyu Ruan:撰写 - 原稿,可视化,验证,方法学。Fasheng Miao:资源,项目管理,资金获取。Yiping Wu:项目管理,资金获取。Beibei Yang:软件,资源,方法学。Deqian Wei:验证,监督,软件。Yuanhua Xie:撰写 - 审查与编辑,验证,监督,软件。Chuncan He:可视化,验证,监督。Yiqing Sun:可视化,软件,资源。Xi Li:项目……
**未引用参考文献**
He et al., 2021
Wang et al., 2026b
**利益冲突声明**
作者声明,他们没有已知的可能影响本文报告工作的竞争性财务利益或个人关系。
**致谢**
本研究得到了国家自然科学基金(42577202, 42377161)、教育部地质调查与评价重点实验室开放基金(GLAB 2024ZR03)和中央高校基本科研业务费、广东省基础与应用基础研究基金(2021A1515110723)以及中铁设计集团科技发展青年专项(2025AQ26401)的支持。作者……
Qiuyu Ruan|Fasheng Miao|Yiping Wu|Beibei Yang|Deqian Wei|Yuanhua Xie|Chuncan He|Yiqing Sun|Xi Li
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号