Page 68 - 岩土工程技术发展及应用研究

第二章 岩土工程质量控制有关问题的思考

（4）地质灾害预警
在施工和运维阶段，三维地质模型与各类监测技术相结合，能够实时监控工
程地质体各项参数，实现地质灾害动态监测预警功能，最大限度预防、减少地质

灾害对工程结构的破坏，避免可能带来的人员伤亡和经济损失。
4. 地质大数据
地质大数据是岩土工程数字化前沿研究方向之一。在工程勘察领域，经过多
年来全国各地各类工程建设的不断推进，我国已经积累了大量图纸、照片、音频、

视频、文本等多源异构的地质数据。这些数据产生于基础地质、水文地质、工程
地质、测绘、物探、试验以及地质调查等方面，数据量巨大，具有典型的大数据
特征，可称之为地质大数据。与其他类型数据相对比，地质大数据具备时空性、
混合性、多源异构以及相关性等特性。地质大数据管理系统着眼于地质大数据，

提供数据资料收集、标准化处理、数据存储、数据管理、数据共享与数据挖掘等
服务。系统可通过 Hadoop、Spark 等主流大数据技术框架搭建，应用 NoSQL 技
术建设多源异构地质时空数据库或数据中心，对各类海量、多尺度及多维度的地
质数据标准化后统一整合与存储，解决地质大数据时空统一、多源异构数据存储

与分析的问题。系统可集成数据挖掘框架与人工智能算法进行地质大数据挖掘，
找出地质对象之间的关联关系与规律，形成各类地质数据分析专题，满足地质规
律研究、工程地质评价与地质灾害预防等业务应用。系统可集成数据可视化功能，
对测绘 GIS 数据、三维地质模型、各类文件资料及地质分析专题进行可视化展示，

便于各类人员全面掌握地质情况，为工程全生命周期各阶段提供地质数据参考。
5. 人工智能
人工智能技术主要研究计算机如何通过样本学习提供合理的思考和决策，是
一门融合计算机、语言学、数学和神经学等学科的交叉学科，在自然语言处理、

视觉识别、机器学习、智能制造、智慧城市以及工程建设方面广泛应用。机器学
习是人工智能的核心算法，深度学习是机器学习的子类，常见的算法有人工神经
网络算法、贝叶斯算法、决策树算法、聚类分析算法和生成对抗网络等。人工智
能技术与近些年来兴起的大数据、云技术、物联网等新技术融合，进一步促进了

人工智能技术领域基础算法与技术应用的发展。近年来，人工智能技术在岩土工
程勘察领域受到广泛关注。传统的岩土工程勘察依托人工智能技术正在向智能化
发展，结合岩土工程勘察各个阶段的需求，人工智能技术可以从岩土工程勘察大

·61·