- 发布于
地面就是变量
- 作者

- 姓名
- AbnAsia.org
- @steven_n_t
Listen in English · 地面就是变量
0:00 / 0:00
Watch in English · 地面就是变量
地铁隧道、地下车站和深基坑都建在不可移动的设施旁边:建筑物、道路、供水主管、电缆。其公差以毫米计。而且与钢材或混凝土不同,地层“到场”时没有规格说明——它非均质,相隔十米就会不同,还会被开挖本身再次改变。
这就是为什么隧道工程中有用的AI,不是写报告的那种,而是能把稀疏测量数据转化为一幅无人能见材料图景的那种。
先看清地层,再动机器
最成熟的应用是地层模型。日本的一个研究团队利用13,926条钻孔记录训练神经网络,构建了东京地下土壤特性的三维地图。该模型于2025年发布,可预测没有钻孔的位置——也就是城市大部分区域——的密度和状态。英国的一位咨询工程师开发了一种工具,可将监测数据反演回岩土参数本身,并用它来选择伦敦市中心深基坑的施工方法。
钻孔
稀疏、昂贵、点状测量
插值
模型填补空白空间
预测
密度、刚度、预期沉降
决定
基础类型、线路、支护方法
第二个应用场景是掘进机。隧道掘进机已经在持续报告推力、刀盘旋转和推进速度,并且它每掘进一米,都会标注所遇到的地质情况。这是一个无需刻意收集的训练集。中国的一个高校团队正是基于这些信号构建了智能控制层;在越南,工程师们指出,同样这三种信号是显而易见的首个模型——预测推进速度,然后在地层迫使调整之前调整参数。
密集情形
稀疏情形
与土壤无关的那一层
第三个应用是工地本身。新加坡的一家住房管理机构运行 AI 视频来标记不安全行为并提醒主管,而且自 2023 年 1 月起,竞标新公共住房的承包商必须应用 AI 视频分析。这是整个趋势中最被低估的机制:采购,而非研究。一项招标要求推动整个供应链的方式,是会议论文永远做不到的。

这种方法在哪里失效
区分模型与猜测的那条准则并不光鲜,而且在任何地方都一样:要用仪器实测来验证,而不是用训练集来验证。越南研究人员很早就开始这样做了——一个岩土工程与人工智能小组于2018年成立,2019年有一个模型基于163个当地土样训练而成,用于预测软土的固结系数,而这个数值决定了未来十年一条道路会下沉多少。
预测不等于测量。在两个钻孔之间进行插值,会得到一个没有误差棒的数值——除非有人特意加上误差棒;而在地下,错误的数值不会自我暴露。它会在数月后显现出来,表现为某栋上一季度还完好的建筑发生沉降。
国际学会此后成立了一个机器学习与大数据技术委员会,本月在河内举行的一场会议也把同一个问题摆上台面:当地面是唯一拥有投票权的一方时,预测究竟意味着什么?
真正改变的是什么
趋势不是 AI 正在进入建筑业,而是隧道工程一直缺少的三样东西——密集的地层数据、能自动记录自身数据的机器,以及强制采用新技术的采购规则——在同一个十年里到位了。三者齐备,模型就有用;缺了任何一样,模型就只是幻灯片。
在地下,出错是以毫米来衡量的,而真正重要的软件,是能察觉问题的那部分。你得到的不只是软件,还是安全的软件。如果你要把预测用于可能让建筑发生位移的决策,请联系我们:[email protected]。
来源:VnExpress,2026年11月20日。
请注意,中文版本是由 AI 辅助翻译的,因此可能存在细微错误。
作者
Ai-Banking-NetworkSecurity (ABN), ABN ASIA由具有深厚学术背景的人员创立,他们在美国、荷兰、匈牙利、日本、韩国、新加坡和越南等国家有工作经验。ABN Asia是学术界和技术相遇的地方。凭借我们领先的解决方案和优秀的软件开发服务,我们帮助企业提升水平,走向全球舞台。我们的承诺:更快。更好。更可靠。在大多数情况下:也更便宜。
无论您需要IT服务、数字咨询、现成软件解决方案,还是想向我们发送招标要求(RFPs),都请随时与我们联系。您可以通过[email protected]与我们联系。我们随时准备为您提供所有技术需求的帮助。

© ABN ASIA