机器学习和人工智能时代的岩土工程

1 引言

机器学习和大数据已经逐渐从纯学术研究应用到工业实践中，例如加拿大的初创公司Novamera使用机器学习算法进行钻探【削壁充填采矿法(Narrow Vein Stoping)的发展】，Maptek公司使用机器学习算法从试样数据产生资源模型；Rocscience使用机器学习算法产生反应面(Response Surface)等。

下面是第70届奥地利工程地质力学讨论会递交的机器学习方面的论文，这些研究来自NGI, York University和其它一些欧洲的大学：

[1] Machine Learning in Geological Modelling (机器学习在地质模拟中的应用)

[2] Probabilistic prediction of karst water inflow during the construction of an underground mine (地下矿建设期间岩溶水流入的概率预测)

[3] Practical recommendations for input selection, data pre-processing, and algorithm development for applied machine learning in underground rock engineering (地下岩石工程中应用机器学习的输入选择、数据预处理和算法开发的实用建议)

[4] Quality Monitoring in Vibro Ground Improvement: A Hybrid Machine Learning Approach (震动地面改进中的质量监测---一种混合的机器学习方法)

[5] Towards optimized TBM cutter changing policies with reinforcement learning (利用强化学习实现优化的TBM切割机改变策略)

[6] Data Science and Machine Learning for Gravitational Natural Hazards (重力自然灾害的数据科学和机器学习)

下面简要总结了机器学习在岩土工程应用的三个应用方向: 数据预测、计算机视觉和自然语言处理。

2 数据预测

迄今为止，机器学习应用于岩土工程研究最多的是数据预测，但不管使用什么样的算法，也不管预测的是什么结果，归根结底都是由一系列过去的已知输入数据来回归结果，本质上是经验方法的扩展。下面列出了2022年在该方向的部分文献。

(1) Future of machine learning in geotechnics

(2) Stability prediction of a natural and man-made slope using various machine learning algorithms

(3) Evaluation of Creep Behavior of Soft Soils by Utilizing Multisensor Data Combined with Machine Learning

(4) Estimation of ultimate bearing capacity of bored piles using machine learning models

(5) Hybrid machine learning model with random field and limited CPT data to quantify horizontal scale of fluctuation of soil spatial variability

3 计算机视觉

计算机视觉(computer vision)在岩土工程中的应用是一个比较新颖的研究方向，在上述视频[4]中，作者讨论了计算机视觉在贯入桩和地表沉降监测方面的应用。下面列出了2022年在该方向的部分文献。

(1) Riprap Stockpile Size and Shape Analyses Using Computer Vision

(2) Research on application of image ranging technology in geotechnical test

(3) Multiscale reliability analysis of composite structures based on computer vision

(4) Wellbore Instability Mechanism Evaluation by Computer Vision on Cavings

(5) Hephaestus: A large scale multitask dataset towards InSAR understanding