CMES 专辑征稿：AI赋能下的岩土灾害风险评估

随着城市化进程加快、气候环境变化及人类活动加剧，滑坡、泥石流、地面沉降及地震等地质灾害频发，且破坏力日益增强。此类灾害往往表现出强非线性、多源不确定性以及多尺度耦合特征，导致传统物理模型难以精准描绘其复杂机理。

得益于计算智能、人工智能及数据驱动建模的飞速进步，岩土灾害的预测、预警及风险决策迎来了全新契机。机器学习、深度学习、物理约束神经网络以及多源数据融合等手段，正深刻改变着地质灾害研究的传统范式。

尽管如此，模型的可解释性、泛化性能、不确定性量化以及物理规律融合等关键问题，仍需我们进行更深层次的探索与研究。

本期专辑致力于搭建一个高水平的学术交流平台，重点围绕AI驱动的岩土灾害建模前沿、创新方法、理论突破、实际应用及未来挑战展开。我们诚挚欢迎提交具备创新性、科学严谨性及工程应用价值的研究成果。

AI增强的灾害预测：利用机器学习与深度学习对滑坡、泥石流、沉降及崩塌进行预测

物理约束机器学习：土岩力学、边坡稳定性分析及多场耦合研究

数据驱动预警系统：融合多传感器数据、实时监测与异常检测技术

不确定性量化方法：概率、区间分析及模糊理论

遥感与无人机灾害识别：基于深度学习的分割、检测与变化分析

替代模型与降阶建模：多保真学习与快速模拟技术

AI驱动的风险评估与决策：灾害区划、应急响应及韧性规划

智能岩土本构模型与参数反演

自然灾害大数据分析技术

物理引导生成模型研究

岩土工程数字孪生

级联灾害建模方法

AI辅助岩土设计优化策略