.png){kind=icon}
返回
Spatial distribution estimation by considering the cross-correlation between components with indirect data using Gaussian process regression
.png){kind=icon}
PRE
AI
DOI：10.1016/j.sandf.2025.101624.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通常，土壤性质仅在有限的位置进行测量。为了合理地估计土壤性质的空间分布，最好能有效地利用所有可用的测量数据，包括间接数据。我们提出了一种具有多个随机场的高斯过程回归方法，该方法考虑了直接数据中某一随机场与间接数据之间的交叉相关性，并展示了其在模拟数据和实际测量数据中的应用。在应用中，直接数据为CPT锥尖阻力（qc），其获取范围较小，而间接数据为通过面波勘探获得的剪切波速（Vs），其获取范围较广。我们利用有限的qc数据和广域Vs数据来估计qc的空间分布。通过交叉验证评估了所提出方法的估计精度，并讨论了其有效性。（c）2025日本土工学协会。由Elsevier B.V.出版。本文是开放获取文章，遵循CC BY许可（http://creativecommons.org/licenses/by/4.0/）。
Keyword:
Shear wave velocity
Gaussian process regression
Random field
CPT tip resistance
Indirect data
期刊
IF:
3.3
论文数:
2.3K
被引数:
1.1W
机构
引用论文
Statistical interpretation of soil property profiles from sparse data using Bayesian compressive sampling使用贝叶斯压缩采样从稀疏数据对土壤性质剖面进行统计解释.png)
Géotechnique
GéotechniqueIF0
PREAI
分享收藏分享收藏
查看更多内容