// AI 新闻 · 2026-11-15 · Nature
基于双专家机器学习的双隧道沉降预测方法
研究人员开发了VF模型,一种源信息驱动的双专家机器学习方法,通过分别训练高斯和玻尔兹曼表示来学习第一阶段和第二阶段增量沉降,并精确重构累计沉降。在52个分阶段HSsmall数值模拟场景的五折嵌套验证中,VF对增量沉降ΔS的预测R²为0.839,RMSE为0.2315厘米,与高斯专家结果相近且优于玻尔兹曼专家。相比传统基线模型,VF在S1和S2预测上均表现更优,尤其在ΔS预测中达到最低误差。实验表明,响应依赖型表示方法优于通用集成策略,且在完全响应家族缺失时存在外推能力不足的问题。
原文发布 2026-11-15 08:00(北京时间)来源 Nature自动整理 · 已核对原文
01摘要
该方法在HSsmall领域被认定为具有泄漏控制的数值替代模型,但尚未经过独立现场验证,无法直接用于物理场景预测。
由开源模型根据原文自动整理,经数字/专名逐项核对(必须在原文中出现),以原文为准。
02要点
- VF模型结合高斯与玻尔兹曼表示,分别学习第一阶段和增量沉降,实现累计沉降精确重构
- 在52个数值场景中,VF对ΔS的预测RMSE为0.2315厘米,优于玻尔兹曼专家,接近高斯专家水平
- 相较于传统基线模型,VF在S1和S2预测中均表现更优,尤其在ΔS预测中误差最低
- 模型在外推能力上受限,当完整响应家族缺失时,对伊萨法恩场景的预测效果较差
03原文出处
Nature · 发布于 2026-11-15 08:00(北京时间) · 上方为原标题
05相关新闻
出自智图 AI 新闻:从 1100 多个官方与媒体信源采集。摘要只转述原文内容,详情请看原文。 2026-11-15 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日