.png){kind=icon}
返回
A Bayesian Modeling-Optimization Approach for Efficient Geostress Inversion Under Uncertainty
.png){kind=icon}
PRE
AI
DOI：10.1007/s00603-026-05512-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
地应力场反演在大型工程项目中常受限于预测精度与计算效率的权衡，以及观测数据不确定性的处理难题。为应对这一挑战，本研究提出了一种将贝叶斯建模与贝叶斯优化（BM-BO）相结合的新框架。该方法基于最大后验概率（MAP）估计构建目标函数，以正式纳入测量不确定性和岩体性质的异质性。随后采用贝叶斯优化进行序列全局优化，直接调用高保真数值模型，从而避免了计算昂贵的代理模型预训练。该策略在提升计算效率的同时，在反演过程中自适应地强调高可靠性观测数据。通过中国西南地质复杂区域超长铁路隧道案例研究验证了BM-BO方法的有效性。结果表明，BM-BO方法在显著降低计算成本的同时，高保真地重建了三维地应力场的量值与方向。与多元线性回归（MLR）和遗传算法-反向传播（GA-BP）神经网络等传统方法对比分析显示，BM-BO方法在精度和收敛效率上具有优势。所提出的BM-BO框架为地应力反演提供了一种稳健、高效且可扩展的解决方案，在复杂地质环境下的实际工程应用中具有显著潜力。
Keyword:
Geostress inversion
Bayesian inference
Numerical simulation
Bayesian optimization
Measurement uncertainty
期刊
IF:
6.6
论文数:
6.2K
被引数:
3.0W
机构
引用论文
Initial Geostress in Underground Cavities Obtained by In Situ Measurements and BP-ANN Inversion通过现场测量和BP-ANN反演获得的地下腔室初始地应力
PREAI
分享收藏Inversion Analysis of the In Situ Stress Field around Underground Caverns Based on Particle Swarm Optimization Optimized Back Propagation Neural Network基于粒子群优化算法优化的反向传播神经网络对地下 caverns 周围的原始应力场的反演分析
OAAI
OAAI分享收藏The Overcoring Technique for Precise Measurement of In Situ Rock Stress at Great Depths: Challenges and Solutions深部原位岩体应力精确测量的钻芯法：挑战与解决方案.png)
ENGINEERING
OAAI
ENGINEERINGIF11.6
OAAI分享收藏Accurate measurement techniques and prediction approaches for the in-situ rock stressSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Comparison and evaluation of overcoring and hydraulic fracturing stress measurements套心法与水力压裂法应力测量的比较与评估
IF0
PREAI
分享收藏分享收藏
查看更多内容