高斯过程趋势框架:用于高效模拟三维多变量条件随机场

《Computers and Geotechnics》:Gaussian-process trend framework for efficient simulation of 3D multivariate conditional random fields

【字体: 大 中 小 】 时间:2026年09月22日 来源:Computers and Geotechnics 7.1

编辑推荐:

  **摘要:** 条件随机场(CRF)模拟在场地特性分析中得到了广泛应用,但其准确性在很大程度上取决于空间趋势的表示方式以及如何将空间趋势与固有变异性区分开来。先前的单变量研究表明,基于高斯过程回归(t-GPR)的趋势模型比恒定趋势模型和稀疏贝叶斯学习模型提供了更灵活的趋势表示

  **摘要:**
条件随机场(CRF)模拟在场地特性分析中得到了广泛应用,但其准确性在很大程度上取决于空间趋势的表示方式以及如何将空间趋势与固有变异性区分开来。先前的单变量研究表明,基于高斯过程回归(t-GPR)的趋势模型比恒定趋势模型和稀疏贝叶斯学习模型提供了更灵活的趋势表示方法。本研究将t-GPR扩展到多变量条件随机场模拟中,以处理相关性地质参数的问题。采用了一种正则化的多变量协方差表示方法,以便从稀疏的共位观测数据中进行稳健的推断。在所提出的框架中,多变量高斯过程场用于模拟空间趋势,而固有变性则被单独建模。开发了低秩趋势近似和克罗内克积算法,以在三维环境中实现高效的贝叶斯推断和条件模拟。该框架还通过将数据分解为CPT网格子集和剩余的非网格观测数据,扩展到了非网格观测数据的支持。三个实际案例研究(从仅包含CPT数据到包含CPT和钻孔数据的混合数据)表明,所提出的框架能够有效量化不确定性,尤其是在可以利用参数间相关性来减少预测不确定性的稀疏数据条件下。

**引言:**
地质属性的固有空间变异性是场地特性分析和地质工程设计中不确定性的一个根本来源。因此,随机场模型被广泛用于表示空间变化的土壤参数,通常将土壤属性分解为趋势成分和零均值固有变性成分(Vanmarcke, 1977; Phoon and Kulhawy, 1999)。条件随机场(CRF)模拟进一步允许可从有限的场地调查数据中推断出未探索位置处的土壤参数的空间分布。在这种情况下,趋势成分的表示尤为重要。趋势模型决定了如何将大尺度地质结构与小尺度固有变性区分开来。过于严格的趋势模型可能会将空间连贯的地质特征强制纳入固有变性成分,而过于灵活的趋势模型则可能将随机波动纳入趋势中。因此,趋势表示的选择直接影响到空间结构的解释以及CRF模拟的不确定性。
已经为地质CRF建模开发了多种趋势表示方法。传统方法(包括基于克里金方法的公式,例如Krigge, 1951; Matheron, 1963; Lloret-Cabot et al., 2014; Li et al., 2016)通常采用简单的确定性趋势,如恒定趋势或低阶多项式趋势。这些模型在计算上较为方便,但其灵活性有限,特别是在具有复杂三维(3D)地质结构的场地中。为了提高趋势建模的灵活性,引入了基于稀疏贝叶斯学习(SBL)的趋势模型(Ching and Phoon, 2017; Ching et al., 2020),其中趋势由规定的基函数(如勒让德或傅里叶余弦基)的稀疏组合表示。尽管t-SBL模型比恒定趋势模型更灵活,但其表示能力仍然受所选基类型的影响。
高斯过程回归(GPR)也被越来越多地应用于地质工程中的概率场地分析和空间变异性建模(例如He et al., 2024; Miao and Wang, 2026; Zhao et al., 2026)。特别是在趋势表示方面,基于GPR的趋势模型(称为t-GPR模型)被提出作为地质随机场建模的更灵活的替代方案(Yoshida et al., 2021; Ching et al., 2023; Ching and Yoshida, 2025)。与基于基函数的方法不同,t-GPR将趋势视为高斯过程的实现,并通过协方差核定义其空间平滑度。这种基于核的表述方法在丰富的函数空间中隐式表示趋势,同时通过协方差结构保持正则化。先前的单变量研究表明,t-GPR在需要区分空间连贯的地质特征与固有变异性时,可以提供比恒定趋势和t-SBL模型更连贯的后验不确定性表示(Ching et al., 2023; Ching and Yoshida, 2025)。这些结果表明,t-GPR为地质CRF模拟中的趋势建模提供了更灵活的表示方法。
然而,地质工程中现有的t-GPR发展主要限于单变量环境,例如建模单个CPT参数。这一限制很重要,因为许多地质问题本质上是多变量的。工程分析通常需要多个相关的土壤参数作为联合输入,且场地调查数据可能包含统计上相关的多个测量值或派生属性。在这种情况下,分别建模每个参数会忽略参数间的依赖性,可能导致条件随机场在变量间不具有一致性。因此,一个自然且实际重要的问题是:如果t-GPR在单变量CRF模拟中显示出优于恒定趋势和t-SBL模型,那么多变量t-GPR框架是否也能为多变量CRF模拟提供类似的优势?
已经开发了多种多变量CRF模型来考虑参数间的依赖性,包括多变量恒定趋势模型(Sideri et al., 2014; Lo and Leung, 2017; Gong et al., 2018)、MUSIC-X模型(Ching and Phoon, 2020)、多变量t-SBL模型(Wang et al., 2024)和多变量贝叶斯压缩感知(BCS)(Li et al., 2023)。这些模型显著推进了相关地质随机场的模拟。尽管如此,现有的多变量公式主要基于确定性趋势、规定的基函数扩展或其他有限维表示方法。多变量t-GPR框架的扩展尚未建立,尤其是在3D CRF模拟方面。这种缺失不仅仅是用多变量协方差函数替换单变量协方差函数的问题。一个实用的多变量t-GPR框架必须能够在计算上可行的贝叶斯框架内,同时建模灵活的基于核的趋势、趋势和固有变性成分中的参数间依赖性以及大尺度3D条件模拟。开发这样的框架需要解决两个非平凡的挑战。
首先,将Ching和Yoshida(2025)提出的单变量t-GPR框架扩展到多个相关土壤参数并非简单地用多变量协方差函数替换单变量协方差函数。之前的框架针对的是单个土壤参数的高效3D CRF模拟,其中不存在参数间依赖性,且趋势表示、似然值评估和条件模拟都是针对标量随机场制定的。相比之下,当前的研究不仅需要描述空间相关性,还需要描述大尺度趋势和小尺度固有变性中的参数间依赖性。因此,开发了一种多变量低秩趋势表示方法,以减少高维空间成分,同时保持土壤参数之间的依赖结构,为本文中提出的高效似然值和条件模拟公式奠定基础。
其次,当使用真实的混合场地调查数据进行条件随机场模拟时,会出现额外的挑战。CPT测量通常沿深度密集分布,而钻孔和实验室测量则较为稀疏,且通常只在选定的深度上可用。在先前的单变量环境中,这种困难并不明显,因为可以从密集的CPT剖面中形成较大的网格子集,剩余的非网格数据维度相对较低。然而,在多变量环境中,条件数据通常不会在所有位置、深度和土壤参数上形成完整的网格。如果所有测量值都被强制纳入一个共同的完整网格中,密集的CPT剖面将大大未被利用,而剩余的不规则观测仍然会导致高维条件计算。为了解决这个问题,所提出的方法使用密集的CPT剖面作为主要的基于网格的条件基础,通过条件分布整合稀疏的钻孔和实验室测量数据,并通过逐深度采样程序完成所需的辅助网格,然后再应用基于网格的CRF模拟算法。这种构建允许使用混合的CPT-钻孔数据进行多变量条件模拟,同时保留基于网格的公式的主要计算优势。

**本研究的主要贡献有四点:**
1. 开发了一种多变量t-GPR公式,用于联合建模多个相关地质参数的空间趋势和固有变性。
2. 通过多变量低秩趋势表示和克罗内克积计算,建立了一种计算效率高的贝叶斯推断和条件模拟策略。
3. 通过使用密集的CPT剖面作为基于网格的条件基础,结合稀疏的非网格观测数据,并通过逐深度采样完成辅助网格,将框架扩展到混合的CPT-钻孔数据。
4. 当共位的多变量观测数据有限时,提出了处理趋势和固有变性成分中参数间依赖性难以识别的实际策略。通过代表性案例研究,证明了所提出的框架在仅包含CPT数据、一维混合CPT-钻孔数据以及稀疏的完整3D CPT-钻孔数据下能够提供有效的多变量CRF模拟。

**本文的其余部分组织结构如下:**
第2节介绍了适用于网格数据的多变量t-GPR模型。第3节描述了高效3D条件模拟的计算策略。第4节将框架扩展到混合非网格数据。第5节通过案例研究展示了所提出的方法。第6节提出了结论和讨论。

**多变量t-GPR模型(适用于网格数据):**
本节在假设观测位置和模拟位置都遵循网格结构的情况下,制定了所提出的多变量t-GPR模型。首先介绍这种网格设置,因为它允许协方差矩阵表示为克罗内克积,这是后续开发出的计算高效算法的关键。公式化过程分为四个步骤:定义网格数据结构、将随机场分解为趋势成分和固有变性成分。

**条件模拟ξL″:**
在指定多变量t-GPR模型之后,下一步是在模拟网格上生成条件随机场实现。目标是根据观测数据ξL′生成ξL″的样本,即ξL″ ~ f(ξL″|ξL′)。由于模型包含不确定的协方差参数、潜在的趋势系数以及趋势和固有变性成分,采样通过以下层次程序进行:
1. 生成θ ~ f(θ|ξL′)。
2. 生成ω ~ f(ω|θ, ξL′)。

**扩展到非网格观测数据:**
在多变量t-GPR模型(适用于网格数据)和条件模拟中,假设观测数据遵循网格结构。在这种假设下,可以使用克罗内克积表示观测数据的协方差矩阵,从而实现方程(24)中高效的最大似然值评估。然而,在实际的场地特性分析中,观测数据往往不在完整的网格上可用。例如,CPT测量可能沿深度密集记录。

**案例研究:**
提出了三个实际案例研究,以评估所提出的多变量t-GPR框架在逐渐更一般的 Daten 配置下的表现。如表1所示,第一个案例仅涉及CPT数据,最接近于多变量t-GPR模型中提出的理想化设置。第二个案例涉及混合CPT-钻孔数据,但通过假设水平均匀性将其建模为一维问题,提供了一个中间验证案例。

**结论与讨论:**
本研究开发了一种基于多变量高斯过程回归(t-GPR)的框架,用于高效模拟三维多变量条件随机场。该框架联合建模了多个地质参数的大尺度趋势、固有变异性和参数间依赖性。通过多变量低秩趋势表示和克罗内克积算法,实现了计算可行性。

**作者贡献声明:**
Jianye Ching:撰写——审稿与编辑、撰写——原始稿件、可视化、验证、监督、软件、资源管理、项目管理、方法论、调查、资金获取、形式化分析、数据管理、概念化。Yung-Chi Chiang:可视化、验证、软件、方法论、调查、形式化分析。Hassan Kamyab Farahbakhsh:调查、形式化分析。

**利益冲突声明:**
作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

**致谢:**
作者感谢中南大学(中国)的Pan Qiujing教授提供的多变量t-SBL的matlab代码。第一作者感谢台湾国家科学技术委员会(114-2221-E-002-018-MY3)的资助。

**作者名单:**
Jianye Ching | Yung-Chi Chiang | Hassan Kamyab Farahbakhsh
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号