摘要
在充气覆盖层土壤中，难以在监测深度之间观察到孔隙空气压力的变化。我们开发了一个耦合的水-空气反向物理信息神经网络作为数值概念验证。在预先校准的本构模型下，三个数值采样的深度提供了孔隙空气压力、孔隙水压力和饱和度目标值。一个独立的空气压力场表示超压；耦合平衡约束了这些状态的共同变化。在一维等方程基准测试中，全窗口的气体压力误差为0.0463。仅使用数据的模型误差为0.0043，而耦合模型则改善了水压力、饱和度和前沿的单调性。在495秒的参考注入零应力交叉之前，气体压力误差为0.0448；在具有正参考有效应力的单元中，应力降低误差为0.0450。后续状态测试了超载条件下的数值追踪能力。平面模型案例使用忽略横向传输的一维FLAC2D训练数据进行拟合，得到的响应深度超压误差为0.186。无残差的线模型测试在11个保留深度上仅进行架构插值。特定配置的Bishop后处理方法得到从零到七分钟的响应时间，并且在三种有效应力参数形式下最小应力扩散了43%。这些数值场为后续的机械解释提供了支持；物理验证需要测量的内部状态，而稳定性评估则需要一个机械模型。
