基于合成数据的van Genuchten-土壤冻结特征曲线模型参数估计

《Geodesy and Geodynamics》:Parameters estimation for van Genuchten-soil freezing characteristic curve model by using synthetic data

【字体: 大 中 小 】 时间:2026年03月12日 来源:Geodesy and Geodynamics 3.0

编辑推荐:

  准确的土壤冻结特征曲线(Soil Freezing Characteristic Curve,SFCC)估计对于理解冻土的热-水-力行为至关重要。van Genuchten(VG)模型因其灵活性和适应多种土壤类型的能力,已被广泛采用于SFCC表征。然而,VG-

  
准确的土壤冻结特征曲线(Soil Freezing Characteristic Curve,SFCC)估计对于理解冻土的热-水-力行为至关重要。van Genuchten(VG)模型因其灵活性和适应多种土壤类型的能力,已被广泛采用于SFCC表征。然而,VG-SFCC模型参数的确定常受限于数据不足和高昂的实验成本。本研究提出了一种基于合成数据集估计VG-SFCC模型参数的新方法,该合成数据集采用合成少数过采样技术(Synthetic Minority Oversampling Technique,SMOTE)和条件表格生成对抗网络(Conditional Tabular Generographic Adversarial Network,CTGAN)生成。研究人员构建了以土壤物理性质为输入、VG-SFCC模型参数为输出的多输出神经网络(Multi-Output Neural Network,MONN)。结果表明,收集的有限数据集未能产生令人满意的模型性能。然而,SMOTE合成数据显著提升了模型的预测性能,为各种土壤质地提供了可靠的VG-SFCC参数估计。关键的是,本研究揭示,对于VG-SFCC模型参数估计,基于插值的方法(SMOTE)比基于生成的方法(CTGAN)能更好地保持物理关系。研究还详细讨论了合成样本量对模型性能的影响以及两种数据生成方法之间的差异。该研究为数据稀缺条件下的基于机器学习的SFCC建模提供了实用指导,提供了一个经过验证的框架,能够放大有限实验数据在冻土工程实践中的价值。
## 一、研究背景与问题提出

土壤冻结特征曲线(Soil Freezing Characteristic Curve,SFCC)描述了未冻水含量(Unfrozen Water Content,UWC)与负温之间的关系,是冻土热力学行为的基本描述符。SFCC可将土体概念划分为三个区域:边界效应区(无孔隙冰形成)、过渡区(UWC快速下降)和残余未冻区(温度进一步降低时UWC变化可忽略)。精确表征SFCC对于理解冻土的冻融过程、冻胀和融沉预测以及水-热-溶质耦合输运模拟至关重要,这些都是寒区基础设施设计和维护的基础。

然而SFCC的准确测定在实验室或现场条件下均耗时且困难。现有SFCC模型主要分为经验公式、理论模型和基于土壤水分特征曲线(Soil Water Characteristic Curve,SWCC)的半经验模型三类。经验公式形式简单但参数缺乏物理意义;理论模型参数虽具物理意义但公式过于复杂,限制了其实际应用;半经验模型则通过将SWCC中的基质势替换为负温度来建立。其中,van Genuchten(VG)模型因其灵活性和准确性成为开发SFCC模型最广泛采用的公式。

近年来,机器学习(Machine Learning,ML)技术因其构建准确预测模型、捕捉变量间复杂非线性关系的能力而备受关注。现有研究多采用逐点预测策略预测SFCC,而基于参数的预测策略——即估计已建立SFCC模型的系数以提供整个SFCC的连续数学表达式——研究仍然有限。制约ML-based SFCC预测发展的关键挑战是高质量实验SFCC数据集的稀缺性:一是多数汇编数据缺乏ML预测模型所需输入特征(如比表面积Specific Surface Area,SSA)的完整记录;二是原始SFCC测量数据(温度-UWC对)必须经过拟合才能获得模型参数,引入额外不确定性。

为此,本研究系统研究了针对VG-SFCC参数估计的合成数据生成策略,比较了SMOTE和CTGAN两种本质不同的数据增强范式,构建了以土壤物理性质为输入、VG-SFCC模型参数为输出的MONN,并通过系统评估合成样本量和比较分析两种生成方法,验证了合成数据用于SFCC建模的可行性和有效性。该成果发表于《Geodesy and Geodynamics》。

## 二、关键技术方法

本研究主要采用以下关键技术方法:从文献收集172组经清洗处理的SFCC数据及其土壤物理性质(SSA、初始含水量θini、干密度ρd),通过非线性最小二乘优化拟合获取VG模型参数(a、n、θres);采用K-means聚类(k=2)结合SMOTE插值合成数据,最近邻数m=5;采用基于PyTorch的CTGAN进行生成式数据增强,训练800轮;构建含两个隐藏层(各128神经元,ReLU激活)的MONN,以Adam优化器训练800轮,批量大小为8,以MSE为损失函数;采用R2、RMSE、MAE评估模型性能,并在四种新土壤样品(砂土、壤土、粉质黏土、西安黄土)上进行独立验证。

## 三、研究结果

### 3.1 原始与合成数据集的比较

SMOTE合成数据集的统计分布与原始数据相似,有效保持了原始数据特征,概率密度特征未引入显著分布失真或人工结构。但SSA高值范围(原始最大值714.0 m2/g)数据生成不足,合成数据最大值降至190.2 m2/g,均值和标准差显著降低,分布更集中、更对称。CTGAN合成数据集则表现出更大的分布多样性,多数变量均值和标准差增大,SSA均值从71.807增至163.608 m2/g,标准差从104.535增至203.226 m2/g,高值范围数据点明显增加,分布更趋平坦。

### 3.2 合成数据样本量对模型性能的影响

仅使用原始172组数据训练时,MONN的R2训练集仅0.333、测试集仅0.134,RMSE分别为18.099和19.510,模型未能学习到有意义的输入-输出关系。随着SMOTE合成样本量增加(250、500、750、1500组),模型训练逐渐稳定:R2训练集从0.333升至0.838,测试集从0.134升至0.684;RMSE训练集从18.099降至5.139,测试集从19.510降至9.203,预测误差持续降低。

CTGAN合成数据则呈现相反趋势:R2训练集从0.333降至0.257,RMSE升至22.699;测试集R2和RMSE波动,性能无一致改善。这表明CTGAN数据虽表面增加样本量,但可能引入结构噪声或异常值,导致模型性能不升反降。

### 3.3 模型验证

采用1500组SMOTE合成数据训练的模型在四种新土壤样品上验证:砂土(R2=0.681,RMSE=0.01924)、壤土(R2=0.677,RMSE=0.05196)、西安黄土(R2=0.508,RMSE=0.06248)预测效果较好,参数均在合理范围内(a∈[0,100],n∈[1,7]);粉质黏土表现最差(R2=-0.235,RMSE=0.11925)。预测SFCC显示,砂土和壤土与实测数据吻合良好,粉质黏土和西安黄土在0至-5℃范围内存在低估实际未冻水含量的偏差。

## 四、讨论

### 4.1 数据稀缺与分布偏斜问题

原始数据集172组样本对于MONN训练在多样性和代表性上均显不足。关键特征SSA呈高度右偏分布:75%数据低于59.7 m2/g,中位数仅49.5 m2/g,而最大值达714.0 m2/g。这种不平衡分布导致特征空间某些区域(高SSA值对应细粒土)严重欠采样,模型缺乏足够样本学习稀疏区域的模式。

### 4.2 两种合成方法差异机理

CTGAN倾向于生成分布广泛多样的样本以最大化欺骗判别器的能力,可能产生超出原始数据范围的样本,导致变量间物理或数学耦合关系被破坏。其模式特定归一化和重参数化增加了插值到数据稀疏区域的可能性,在样本量有限(172组)时易产生过拟合,生成低质量样本。

SMOTE通过K-means聚类识别稀疏区域,在少数类样本与其最近邻间线性插值生成新样本,保持特征空间的局部连续性,避免引入不真实的噪声实例,有效增强了代表性不足区域的样本覆盖,促进了训练数据的均匀分布。

### 4.3 细粒土预测偏差原因

粉质黏土和西安黄土预测偏差主要源于其独特的物理化学性质:高SSA值(52.77 m2/g和75.3 m2/g)导致强吸附作用,微小孔隙或黏土颗粒表面吸附的水在冻结条件下仍保持未冻状态,残余含水量远高于砂土。这种复杂的物理化学特性可能未被VG-SFCC模型充分表征。

### 4.4 局限性与未来方向

本研究仅探讨了特定网络架构和超参数设置下MONN的性能,未来可探索梯度提升机、支持向量回归等更广泛ML算法;需收集更多实验数据构建更全面的VG-SFCC参数数据集;可引入土壤质地信息、阿太堡界限等更易获取的参数;需考虑冻融滞后效应及冻土中复杂的毛细和吸附机制。

## 五、研究结论

本研究提出了一个基于合成数据的VG-SFCC模型参数机器学习估计框架。原始文献数据集不足以支持深度学习模型训练。SMOTE和CTGAN两种合成数据生成方法被采用并进行比较分析,以评估生成样本的特征以及不同样本量对模型性能的影响。SMOTE技术通过在特征空间中插值新样本有效扩充了数据集,增强了代表性并改善了模型的拟合和泛化能力。与之相反,CTGAN合成数据虽然表现出更大的分布多样性,但未能充分捕捉原始数据中的潜在关系,从而限制了其改善模型性能的有效性。

基于SMOTE合成数据训练的MONN对新土样品的VG-SFCC模型参数表现出令人满意的预测能力。然而,对于粉质黏土等细粒土观察到局限性,其较高的比表面积和复杂的物理化学相互作用对模型假设提出了挑战。未来工作可侧重于收集更多实验数据以构建更全面的VG-SFCC模型参数数据集,从而提高模型对更广泛土壤类型的适用性。此外,未来研究还可探索更多机器学习算法的性能,以及将额外物理信息融入模型与数据生成方法的有效性。本研究强调了数据驱动技术与物理模型相结合高效估计SFCC的潜力,为实验数据有限的寒区科学与工程分析提供了宝贵工具。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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