近日，合肥工業(yè)大學(xué)資源與環(huán)境工程學(xué)院錢家忠教授團隊在人工智能驅(qū)動的裂隙介質(zhì)精細(xì)刻畫方面取得新的研究進(jìn)展，相關(guān)研究成果以“Deep learning-based inversion framework for fractured media characterization by assimilating hydraulic tomography and thermal tracer tomography data: Numerical and field study”為題在工程地質(zhì)領(lǐng)域著名期刊《Engineering Geology》上發(fā)表。合肥工業(yè)大學(xué)為論文的第一和通訊作者單位，南京大學(xué)、北京大學(xué)為論文合作單位。論文第一作者為碩士研究生陳賜海，通訊作者為鄧亞平講師和馬雷教授。

在煤礦開采、深地質(zhì)處置、增強型地?zé)嵯到y(tǒng)等地下工程中，裂隙介質(zhì)在地下水流動、溶質(zhì)運移及熱量傳輸中起到了關(guān)鍵作用。因此，對裂隙介質(zhì)進(jìn)行精細(xì)刻畫能夠為地下工程的安全穩(wěn)定性、經(jīng)濟合理性評估提供相關(guān)科學(xué)依據(jù)。然而，裂隙介質(zhì)參數(shù)場具有高維非高斯分布的特點，阻礙了傳統(tǒng)反演方法的直接應(yīng)用。同時，以往研究主要依賴單一類型數(shù)據(jù)且使用了大量的觀測井，與實際工程需求脫節(jié)。

針對上述科學(xué)問題，本研究采用基于深度學(xué)習(xí)方法的聯(lián)合反演框架（Convolutional variational autoencoder-ensemble smoother with multiple data assimilation, CVAE-ESMDA），融合水力層析及熱示蹤層析數(shù)據(jù)，實現(xiàn)了在較少觀測點情況下對裂隙介質(zhì)的精細(xì)刻畫。此外，為體現(xiàn)框架在實際工程中的有效性，本研究還對德國哥廷根大學(xué)北校區(qū)一處裂隙含水層場地進(jìn)行了精細(xì)刻畫。

研究論文得到以下主要認(rèn)識，一是深度學(xué)習(xí)方法能夠使用低維、高斯分布的潛變量來表征高維、非高斯分布的裂隙介質(zhì)參數(shù)場，克服了傳統(tǒng)反演方法的缺陷且為后續(xù)的精細(xì)刻畫打下了基礎(chǔ)；二是通過多源數(shù)據(jù)之間的協(xié)同效應(yīng)能夠?qū)崿F(xiàn)在較少觀測井下的裂隙介質(zhì)精細(xì)刻畫。

該項研究得到了國家自然科學(xué)基金青年基金、聯(lián)合重點項目等支持。

論文鏈接：https://doi.org/10.1016/j.enggeo.2025.107998

圖1（a）CVAE示意圖（b）CVAE-ESMDA聯(lián)合反演框架示意圖

圖2（a）哥廷根大學(xué)試驗場地地點（b）試驗場地井布設(shè)情況

（c）水力層析試驗、熱示蹤試驗中井的設(shè)置情況

圖3 實際場地裂隙介質(zhì)含水層融合單一數(shù)據(jù)與多源數(shù)據(jù)刻畫結(jié)果對比

新聞鏈接：https://news.hfut.edu.cn/info/1011/71098.htm

網(wǎng)站內(nèi)容來源于互聯(lián)網(wǎng)，由網(wǎng)絡(luò)編輯負(fù)責(zé)審查，目的在于傳遞信息，提供專業(yè)服務(wù)，不代表本網(wǎng)站平臺贊同其觀點和對其真實性負(fù)責(zé)。如因內(nèi)容、版權(quán)問題存在異議的，請與我們?nèi)〉寐?lián)系，我們將協(xié)調(diào)給予處理（按照法規(guī)支付稿費或刪除），聯(lián)系方式：ahos@aiofm.ac.cn 。網(wǎng)站平臺將加強監(jiān)控與審核，一旦發(fā)現(xiàn)違反規(guī)定的內(nèi)容，按國家法規(guī)處理，處理時間不超過24小時