近日，公司陈庆发教授团队在国际知名期刊《Engineering Geology》发表了题为《Deep learning-based multi-parameter early warning model under true triaxial conditions》的研究论文。bat365旧网址为论文第一单位，通讯作者为陈庆发教授，第一作者为博士研究生刘晨阳。该研究工作得到了bat365旧网址学科交叉科研项目的支持。
陈庆发教授团队多年来致力于岩体结构领域的研究，聚焦工程应用中的岩体裂隙结构问题，旨在解决因地质灾害引发的工程问题。
图 神经网络多参数模型框架
深部开采领域中，岩体失稳的精准预警还面临许多挑战。结合了能量时间序列的尖点突变模型在预警方面显示出巨大潜力，但是这种方法存在两个缺陷，一是能量定义方法违背了基本的热力学定律，二是能量突变时间序列在建立过程还存在较大主观性，这导致定义的预警区间存在较大误差。在此基础上，本研究利用神经网络代替人工单一选取特征点，最大程度地避免了突变时间序列受主观影响，利用尖点突变理论为预警模型提供了科学合理的阈值，加深了时间序列的突变可视化程度，最终构建了预测预警一体化模型。
《Engineering Geology》是工程地质领域TOP期刊，在2022年中国科学院分区中，该期刊在“地球科学综合”大类与“工程地质”小类均划分为一区，最新影响因子6.902。
论文链接：
https://www.sciencedirect.com/science/article/pii/S0013795223001291
编辑|刘 娜
审核|陈庆发
主编|沈大强
