Skip to content
简体中文

切换主题

// 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

03原文出处

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

数据更新于:AI 新闻(北京时间)