永利6774app手机版官网王豔昆副教授以通訊作者身份在SCI期刊《Water》上發表題為“An Inversion Study of Reservoir Colluvial Landslide Permeability Coefficient by Combining Physical Model and Data-Driven Models”的研究論文，該項研究得到了國家自然科學基金、湖北省自然科學基金和西藏自治區科技廳項目的共同資助。

飽和滲透系數（ks）是評估水庫滑坡滲流和穩定性的重要參數。然而，傳統實驗方法獲得的ks值往往存在較大的變異性，代表性較弱，當使用這些值進行水庫滑坡滲流分析時，往往與實際觀測值存在顯著偏差。論文提出了一種物理-數據雙驅動的智能反演方法，該方法結合了拉丁超立方抽樣（LHS）、非飽和流有限元分析、粒子群優化算法（PSO）和核極限學習機模型（KELM）。以大渡河瀑布溝庫區的紅岩子滑坡為研究對象，首先通過LHS和非飽和滲流分析獲得不同ks下的滑坡地下水位；然後，基于PSO-KELM模型拟合ks與滑坡地下水位之間的非線性函數關系；最後，通過最小化預測與實際地下水位之間的均方根誤差，利用PSO獲得最優的滑坡ks值。同時，論文對不同地層的ks進行了全局敏感性分析，以揭示不同水力參數對滑坡地下水位的控制規律。研究結果證明了該方法的可行性，可為類似滑坡提供借鑒。

論文鍊接：https://www.mdpi.com/2073-4441/16/5/686