登录
注册
高级检索
邮件订阅
RSS
各类自然和工程灾害问题如滑坡、崩塌、泥石流、岩爆、涌水、岩体结构破坏等是全球研究难点和热点，由上述灾害问题引发的各类事故不但制约工程建设进度，更给人民生命财产和社会经济发展造成严重危害。对上述灾害问题的成因机制、变形失稳特征、可靠度、易发性、危险性、易损性等进行研究并实现最终的灾害风险评价，具有非常重要的意义。一般而言，灾害风险评价方法通常可被分为定性与定量两大类，定性主要以专家调查、层次分析与模糊综合评价方法，定量主要以概率统计为基础的各类可靠度分析方法、现场观测、数值/物理模拟、理论方法等。
近20年来随着计算机科学的发展，各种先进的机器学习模型如随机森林、贝叶斯网络、集成学习、无监督/半监督机器学习，以及深度卷积网络、深度信念学习、全链接自编码等深度学习模型等被开发出来，且基于机器学习建模的各类灾害风险评价问题的解决方案层出不穷，极大的促进了灾害风险评价研究的进步。
从国内外文献分析可知，我国在各类工程和自然灾害风险评价领域的研究跻身国际学术界第一梯队。为系统总结我们在“机器学习与灾害风险评价”研究领域取得的学术成果，并对未来可能研究方向进行思考和展望，经与《地球科学》（中文版）编辑部磋商，决定于2023年出版一期“机器学习与灾害风险评价”专辑。
一、专辑内容及主题
为了更好的展现相关研究的最新成果，本专刊围绕“机器学习与灾害风险评价”领域开展征稿，具体包括但不局限于以下研究方向：
(1) 各类灾害风险问题的数据库建模、关联性分析、多源数据融合分析等；
(2) 机器学习建模的适应性、算法改进和最新研究进展及其在灾害风险评价中的应用；
(3) 机器学习与数值/物理模拟、理论分析等常规方法在灾害风险评价中的对比研究；
(4) 基于机器学习的各类灾害问题的成因机制、可靠度、易发性、危险性和风险评价等的建模；
(5) 不同工程特点条件下不同机器学习方法的应用场景分析；
(6) 机器学习与导航系统、遥感和地理信息系统等平台的集成及其在灾害风险评价中的应用。
二、征稿要求
(1) 投稿题目汇总：2022年4月30日（汇总于联系人）
(2) 投稿截止日期：2022年10月30日
(3) 专辑主题相关事宜可咨询联系人黄发明老师，15002776908 (手机与微信同号)
(4) 投稿方式：通过《地球科学》编辑部投稿系统http://mc03.manuscriptcentral.com/es进行投稿，选择“机器学习与灾害风险评价”专辑。
(5) 论文格式：按照《地球科学》最新的投稿要求，请参考投稿指南http://www.earth-science.net/news/tougaozhinan.htm
(6) 录用稿件版面费，作者自理。
(7) 本专辑为正刊出版发行，所有稿件编辑部严格按程序执行，不符合送审要求的稿件将在初审时退回。接收后的文章会优先在线出版。
三、专辑召集人
周创兵， 教授， 南昌大学， xzxx@ncu.edu.cn
范宣梅， 教授， 成都理工大学， fanxuanmei2014@cdut.edu.cn
仉文岗， 教授， 重庆大学， cheungwg@126.com
王 毅， 教授， 中国地质大学(武汉)， cug.yi.wang@gmail.com
张东明， 教授， 同济大学， 09zhang@tongji.edu.cn
蒋水华， 副教授， 南昌大学， sjiangaa@ncu.edu.cn
黄发明， 副教授， 南昌大学， faminghuang@ncu.edu.cn
