登录
注册
高级检索
邮件订阅
RSS
岩土灾变（如滑坡、崩塌、泥石流、岩爆、涌水等）是全球岩土工程与地质灾害防治领域面临的核心挑战。其突发性强、破坏性大，严重威胁人民生命财产安全。尤其在复杂地质条件与极端气候因素叠加的背景下，灾变机制表现出高度非线性特征，亟需融合智能算法与力学模拟的新方法，以突破传统风险评价技术的局限性。
近年来，机器学习、深度学习以及数值模拟技术的快速发展为岩土灾变风险评价提供了新的研究范式。人工智能技术（如随机森林、贝叶斯网络、深度卷积网络等）能够从多源异构数据中挖掘灾变规律，显著提升风险预测的精度；而数值模拟技术（如离散元、有限元、MC-TRIGRS模型等）则有助于揭示岩土体变形与破坏过程中的物理力学机制。通过将两者深度融合，可有效弥补“数据驱动模型解释性不足”和“机理模型计算效率低”的缺陷，推动岩土灾变风险评价由经验统计向“数据-机理融合”的智能化方向发展。
本专辑旨在构建岩土工程、地质灾害与人工智能交叉领域的高水平学术交流平台，聚焦岩土灾变风险智能评价的前沿理论与关键技术应用，推动机器学习、数值模拟、遥感监测等多学科方法在灾变机理解析、风险动态评估及防控决策中的深度融合与创新应用。专辑鼓励投稿既体现理论创新又注重工程实践价值的研究成果，重点关注岩土灾变特定场景下的模型适配性优化、多源异构数据融合、评价结果的可解释性提升以及全链条风险管理等核心议题。
一、专辑内容及主题
本专辑围绕（但不限于）以下研究方向征集原创性论文与综述：
（1） 岩土灾变机理的智能挖掘与数值仿真
基于机器学习与数值模拟的灾变触发机制解析研究；多场耦合条件下岩土体失稳过程的数值重构与物理规律识别；地球观测数据与现场监测数据驱动下的地质模型动态更新。
（2） 风险评价模型的智能化升级
面向岩土灾变的机器学习算法改进与物理-数据双驱动耦合框架设计；面向单体灾害与区域链式灾害的多尺度风险评价方法及其验证；多源数据融合及其在工程场景中的适配性研究。
（3） 地质-工程-环境多源异构数据的标准化处理与知识图谱构建。
岩土参数空间变异性的智能表征及其对风险评价的影响分析；深部开采、高陡边坡、隧道突涌水等特殊工程场景下的算法场景化适配策略；全链条风险管理与智能决策支持系统的构建路径。
（4） 动态风险评估与智能预警系统开发
基于实时监测数据的动态风险评估与预警阈值优化方法；风险制图的空间分辨率提升与制图结果可解释性增强；风险防控措施的智能优化与经济效益综合评估分析。
（5） 前沿技术融合与平台集成
机器学习与地球观测技术的协同监测系统开发与应用；数值模拟-机器学习混合模型的高性能计算优化策略；岩土灾变风险智能评价平台的开源工具与工程化实践案例。
二、征稿要求
(1) 投稿题目汇总：2025年12月30日（汇总于联系人）
(2) 投稿截止日期：2026年9月30日
(3) 专辑主题相关事宜可咨询联系人黄发明老师，15002776908 (手机与微信同号)
(4) 投稿方式：通过《地球科学》编辑部投稿系统http://mc03.manuscriptcentral.com/es进行投稿，选择“岩土灾变风险智能评估”专辑。
(5) 论文格式：按照《地球科学》最新的投稿要求，请参考投稿指南http://www.earth-science.net/news/tougaozhinan.htm
(6) 录用稿件版面费，作者自理。
(7) 本专辑为正刊出版发行，所有稿件编辑部严格按程序执行，不符合送审要求的稿件将在初审时退回。接收后的文章会优先在线出版。
三、专辑召集人
黄发明， 副教授， 南昌大学， faminghuang@ncu.edu.cn
张 洁， 教 授， 同济大学， cezhangjie@tongji.edu.cn
蒋水华， 教 授， 南昌大学， sjiangaa@ncu.edu.cn
