| 讲座题目 | 土壤属性的数据高效建模及不确定性量化 | ||||
|---|---|---|---|---|---|
| 主办单位 | 土木工程学院 | ||||
| 联合主办单位 | |||||
| 讲座人 | 尹振宇 | 讲座人 职称 | 正高 | 主持人 | 王刚 |
| 讲座类型 | 自然科学 | 讲座对象 | 全校师生 | 时间 | 2025-09-22 10:00 |
| 地点 | 思源楼六楼会议室 | ||||
| 讲 座 人 简 介 | 香港理工大学土木与环境工程系教授，1997年获浙江大学建筑工程专业学士学位，之后在浙江嘉华建筑设计有限公司工作过5年，于2003年、2006年分别获得法国南特中央理工大学岩土工程专业硕士和博士学位（博士期间在同济大学做过联合培养）。 现任岩土数值计算顶刊IJNAMG主编，4个国际期刊副主编（Geotechnique、EJECE、Geotechnique Letters、ASCE-IJOM）；6余个国际期刊编委（Can.Geot. J.、Acta Geotechnica、Transportation Geotechnics、Computers and Geotechnics、GeoRisk、……）；最近2年在国际岩土三大会刊（Geotechnique、JGGE、CGJ）上发表论文30余篇；为祖国培养国家级青年人才10余名。 | ||||
| 讲座 主要内容 | 本研究旨在通过有效的不确定性量化（Uncertainty Quantification）、数据融合（Data Fusion）与自动采集（Auto-acquisition）技术，实现土壤属性的数据高效建模（Data-efficient Modelling）。首先，将不确定性量化方法系统性地嵌入多种确定性机器学习算法中，以显著增强模型预测的可靠性与可解释性，并为后续决策提供概率依据。在此基础上，采用多保真度学习（Multi-fidelity Learning）框架，融合来自不同来源、不同精度（低保真度与高保真度）的异构数据，从而在保证精度的前提下大幅降低对目标场地土壤属性估算所需的数据量，缓解传统方法对高成本、高精度数据的过度依赖。 为进一步优化数据使用效率，本研究创新地将基于不确定性的主动学习策略（Uncertainty-based Active Learning）与多保真度学习相结合，形成一种闭环优化机制。该策略能够智能识别最具信息量的样本点，指导下一步数据采集工作，实现以最少新增数据获得最大模型增益的目标。经与未引入数据融合及自动采集策略的基线方法对比验证，本方法显著降低了数据需求与经济成本。 最终，研发了一款集成化、用户友好的通用机器学习建模平台，该平台配备直观的图形用户界面（GUI），极大降低了使用门槛。用户无需编写代码，仅通过点击操作即可完成数据导入、预处理、算法选择、超参数优化、模型训练与评估、结果存储、新数据预测以及变量关联可视化等一系列建模流程，从而有效推动相关方法在工程实践与科学研究中的广泛应用。 | ||||
字号