郭宏伟《基于物理驱动机器学习的岩土体水力学特性评估》

报告人

郭宏伟

举办单位

科研处、学科办、建筑工程学院

报告题目

基于物理驱动机器学习的岩土体水力学特性评估

报告时间

2026年11月9日下午2：30

报告地点

建筑实训楼201会议室

报告人

所属单位

北京工业大学

报告人职务、职称

研究员、博士生导师

报告内容简  介

得益于大数据时代数据获取途径的激增、数据存储与算力的提升以及算法的持续突破，机器学习已广泛应用于各行业领域，并推动科学智能（AI for Science）快速发展，从根本上改变了科学研究的方式与方法。然而，纯数据驱动的机器学习模型仍面临可解释性不足和泛化性能有限的问题，尤其在数据分布偏移的情况下，其对不可见工况的预测准确性与可靠性难以保证。岩土工程领域观测数据稀缺、岩土体非均质性与不确定性强、工程场景差异显著，使上述问题更为突出。物理信息机器学习（Physics-informed machine learning, PIML）通过将守恒定律、渗流控制方程、本构关系及边界条件等物理知识嵌入学习过程，为岩土工程难题求解提供了新方法与研究范式。

本报告围绕岩土体水力学行为的精准刻画，系统介绍报告人在物理信息机器学习方面的研究成果及其工程应用，主要包括：针对渗透参数空间变异性的渗流随机分析与不确定性量化；基于有限监测数据和物理约束的水力学参数反分析，解决传统反演的病态性与多解性问题；面向降雨入渗、水位波动及固结等长时程过程的长期动力学行为评估；以及时空奇异性问题的处理策略。最后，报告将总结PIML在岩土体水力学特性评估中的优势与挑战，并展望其在边坡稳定、渗流安全及地下工程灾害预警等方面的应用前景。