摘要
要预测分阶段斜坡开挖过程中的变形情况，就需要可靠的力学参数，然而深度倾斜仪测量数据属于高维数据，且反复进行数值反演成本很高。本研究结合主成分分析、高斯过程回归以及序贯贝叶斯更新方法，从中国邵阳某公路斜坡的多阶段水平位移数据中提取出六个有效参数。研究采用了120个点的拉丁超立方设计进行FLAC3D模拟。三个主成分即可解释超过99%的数值变化。经过10次五折交叉验证后，PCA–GPR方法的平均预测值在0.9769至0.9945之间。95%置信区间内的实际预测覆盖率在93.2%到96.0%之间，且高斯过程回归的预测协方差也被纳入了概率计算中。研究还使用了截断多元高斯近似方法，用于在不同开挖阶段之间传递后验均值和协方差结构。通过五种不同策略的比较发现，加入第三阶段可使参数标准差降低10.0%至22.0%，而在加入第四阶段后，参数标准差还能进一步降低11.1%至32.2%。敏感性分析和后验收缩分析表明，刚度参数受到更强的约束，而其他参数的识别度则仍然较低。最终得到的后验均值在空间上与未参与建模的CX-2剖面数据相比，其平均绝对误差仅为0.18毫米。该框架能够量化从不同开挖阶段的完整数据中获得的各参数相关信息；不过其研究结果仍取决于具体的监测地点以及所采用的建模方法和误差假设。
