近日，我院多项研究成果在领域内高质量期刊上发表。部分代表性成果如下：

成果一：陈湘生院士团队在《Advanced Engineering Informatics》（IF=11.5）上发表“大型空间火灾温度场智能重构”研究成果

陈湘生院士团队在《Advanced Engineering Informatics》上发表题为“Knowledge-guided hierarchical deep learning for large-space fire temperature-field reconstruction”的研究论文，提出面向大型空间火灾温度场重构的知识引导分层深度学习方法。该期刊影响因子为11.5。论文作者为林满生、苏栋、李荣康和陈湘生，其中苏栋为通讯作者。

知识引导的分层深度学习火灾温度场重构框架示意图

成果简介：

【研究背景】大型开阔空间火灾中，稀疏测温难以覆盖完整温度场。精细流体仿真计算耗时，空间插值依赖测点分布，纯数据驱动方法依赖完整场训练数据且缺乏物理约束，限制了温度场的准确重构。

【研究内容】研究发现，融合稀疏测温数据与火灾温度衰减规律，可重构大型空间顶棚下准稳态烟气温度场，并提升近火源高温区域的重构精度。研究通过识别火灾阶段和推断物理参数，确定重构时机、火源位置及温度衰减特征；引入双指数径向扩散规律，刻画近场与远场温度变化。该方法在多数受测传感器布局下取得最优精度；在25个测点配置下，均方根误差较最优纯数据驱动基线，超分辨率残差生成对抗网络，降低31.4%。基于深圳北站换乘通道实际仿真案例进一步验证了该方法在物理适用范围内的跨几何重构能力。该方法可依据新场景的稀疏测温数据推断物理参数并重构温度场，无需预先获取该场景的完整温度场训练数据。

【研究意义】该研究为大型开阔空间火灾监测提供了融合物理知识与稀疏观测的温度场重构方法，为火灾风险评估和应急决策提供信息支撑。

【论文链接】https://doi.org/10.1016/j.aei.2026.105403

成果二：杜彦良院士团队在《Journal of Rock Mechanics and Geotechnical Engineering》（IF=10.2）发表盾构隧道服役性能反演分析研究成果

杜彦良院士团队在《Journal of Rock Mechanics and Geotechnical Engineering》发表题为“Inversion analysis of service performance of shield tunnel: Driven by 3D laser scanning data and analytical models”的研究论文，提出三维激光扫描数据与解析模型融合的盾构隧道服役性能反演方法。该刊由Elsevier出版，2024年影响因子为10.2，属JCR一区。论文第一作者为张君臣，通讯作者为Yu Zhao和Chaofan Yao，深圳大学为第一署名单位及通讯作者单位之一。

（a）反演框架

（b）管片环内力反演结果示意

盾构隧道服役性能反演分析框架

成果简介：

【研究背景】三维激光扫描可获取运营隧道内轮廓点云，但几何变形难以直接反映结构受力；常规力学分析又依赖已知外荷载，制约了服役安全状态的准确评估。

【研究内容】团队提出检测数据与解析模型融合的反演方法，利用点云去噪与椭圆拟合获取结构变形，推导管片环内力和变形的显式表达式。模型考虑管片与接头的详细构造、协同变形及接头非线性抗弯刚度，通过迭代匹配刚度与内力，反演地层荷载并计算构件应力。

研究引入自重、荷载平衡与地层侧压力等约束及地质信息，改善反演结果的物理合理性，并以实测与计算变形的拟合度R²评价吻合程度，强调高拟合优度仍需满足物理规律。

【研究意义】该方法由几何变形反演荷载、内力和应力并进行强度校核，支持盾构隧道服役状态定量评估与养护决策。模型采用结构与荷载对称的分析条件，精度受检测变形及地质参数质量影响。

【论文链接】https://doi.org/10.1016/j.jrmge.2026.03.003

成果三：李清泉院士团队在《IEEE Transactions on Geoscience and Remote Sensing》（IF=9.4）发表无人机载探地雷达探测冰川暖冰结构和冰下通道论文

李清泉院士团队在国际地球科学与遥感领域权威期刊《IEEE Transactions on Geoscience and Remote Sensing》上发表了题为“Sparse UAV-GPR evidence for polythermal structure and subglacial channel in Laohugou Glacier No. 12, Tibetan Plateau”的研究论文，系统报道了无人机载探地雷达山地冰川内部结构建模的研究成果。该期刊由IEEE出版社出版，影响因子为9.8，入选JCR一区及TOP期刊。论文以深圳大学为第一完成单位，第一作者为深圳大学的罗享寰老师，通讯作者为武汉大学的覃谭老师。

研究流程示意图

成果简介：

【研究背景】冰川内部热状态和冰下排水条件是影响冰川运动与稳定性的重要因素。干旱区大陆性冰川通常被认为以冷基底为主，但局部暖冰及冰内水系通道的发育情况仍缺乏观测约束。冰川表面起伏大、裂隙密集，常规地面物探调查难以充分覆盖，因而其内部热结构与排水系统的空间关系尚不清楚。

【研究内容】本研究以祁连山老虎沟12号冰川为对象，利用无人机探地雷达开展冰舌区调查，结合缺失数据修复、相干增强和空间语义建模，重建冰厚与底部温冰的空间分布，并依据冰床形态和水力条件推断冰下通道的连通关系。雷达解释结果表明，该冰舌具有冷冰与暖冰共存的复合热结构。底部暖冰主要分布于中央消融区下方，其平面范围约占调查区冰川面积的39.5%。冰下洞穴状反射主要集中于冰舌下部及末端，推断的连通路径总长约2千米。温冰区下方可识别的洞穴状反射较少，可能与温冰中的雷达信号散射和衰减有关，不能据此排除冰下通道的存在。

【研究意义】本研究为大陆性冰川中存在暖冰及冰下水文结构提供了地球物理证据，表明无人机探地雷达是复杂地形下冰川内部结构探测的有效手段。

【论文链接】https://ieeexplore.ieee.org/abstract/document/11711208

成果四：王险峰教授团队在国际土木工程材料领域权威期刊《Cement and Concrete Composites》（IF=14.4）上发表了“硫铝酸钙水泥自愈合裂缝的机理：钙矾石过饱和度与孔隙溶液化学性质的关键作用”论文

王险峰教授团队在国际土木工程材料领域权威期刊《Cement and Concrete Composites》上发表了题为“硫铝酸钙水泥自愈合裂缝的机理：钙矾石过饱和度与孔隙溶液化学性质的关键作用”的研究论文。该刊由爱思唯尔出版，影响因子14.4，入选JCR一区及TOP期刊。论文通讯作者为王险峰教授，第一作者为张群力，深圳大学为论文第一单位。

CSA水泥裂缝自愈合过程与钙矾石析出机理示意图

成果简介：

【研究背景】水泥工业碳排放占全球4–8%，低碳胶凝材料需求迫切。硫铝酸钙（CSA）水泥煅烧温度低200 ℃、CO₂减排40%，与硅酸盐水泥复合使用，以增强其裂缝愈合能力，但内在机制尚缺乏充分认识。

【研究内容】本研究考察了硫酸盐与钙矾石摩尔比分别为0.1、1.0和2.0的CSA熟料，并探讨了其对裂缝愈合能力的影响。研究制备了砂浆棱柱体试件，分别在龄期为1天、7天和28天时预制裂缝，随后将其置于去离子水中进行愈合。结果表明，CSA熟料展现出极快的修复能力，在最佳条件下，裂缝可在三天内完全闭合。愈合过程由钙矾石矿物的水化驱动，该过程导致钙矾石处于过饱和状态，进而促进其析出并填充裂缝。钙矾石优先在裂缝周边的“开放空间”内成核并生长；其析出动力学主要受过饱和度控制，而过饱和度又受到孔隙溶液pH值的有效调节。通过XRD、TG和27Al NMR分析，研究还发现体系中形成了少量的非晶态AH₃以及由钙矾石自然碳化产生的结晶态CaCO₃。此外，硫酸盐含量和开裂龄期的变化会影响CSA水泥的水化过程，进而改变孔隙溶液的化学环境，从而决定了裂缝的闭合程度以及裂缝周边钙矾石的形成动力学。

【研究意义】揭示钙矾石过饱和析出的自愈合新路径，区别于CaCO₃机制，为低碳自愈合水泥基材料设计提供依据。

【论文链接】https://www.sciencedirect.com/science/article/pii/S095894652600274X

成果五：丁志坤教授团队在国际土木工程自动化领域权威期刊《Automation in Construction》（IF=12.6）发表了脑电信号预测建筑业VR安全培训效果最新成果

丁志坤教授团队在国际土木工程自动化领域权威期刊《Automation in Construction》上发表了题为“Neural prediction of situation awareness changes in VR-based construction safety training using a contrastive learning EEG-transformer framework”的研究论文，系统报道了利用脑电信号端到端预测VR安全培训个体学习效果并揭示其神经机制的最新研究成果。该期刊由Elsevier出版，2025年影响因子为12.6，入选JCR一区TOP期刊。论文通讯作者为丁志坤教授，第一作者为熊朝阳博士，共同作者为廖龙辉副教授，深圳大学为论文第一且唯一通讯单位。

研究框架示意图

成果简介：

【研究背景】建筑业事故率长期居高，导致事故发生的主要原因是人的不安全行为。虚拟现实（VR）因可复现高危、低概率事故场景，已成为建筑安全培训的重要工具；然而现有效果评估高度依赖事后主观自评量表，难以捕捉受训者逐时刻的认知动态，更无法识别“看了却没学会”的低响应者。此外，与之有关的神经认知研究多停留在脑电与培训效果的相关性描述，缺乏能够从脑电信号端到端预测个体培训结果的模型，制约了VR安全培训从“一刀切”走向个性化精准干预。

【研究内容】研究提出了一种基于对比学习的双阶段EEG-Transformer框架（ConSAT），通过无监督对比预训练与有监督微调两阶段建模，并结合受训者个体静息态基线—任务态标准化，从 27 名被试在9类VR高危场景中同步采集的32通道脑电信号中，端到端解码出个体情境意识变化（ΔSART），决定系数 R² 达 0.6852，较最优基线Bi-LSTM提升约53.9%。在此基础上，研究借助Gradient SHAP与ElasticNet可解释性分析，进一步提出“危险情境神经表征”（HSNR），识别出Oz-beta（特征锁定/感知）、F7-theta（情绪标记/理解）、FC1-beta（具身模拟/预测）三类关键神经特征，证明有效的安全学习依赖于“情绪标记 — 具身模拟”的层级级联，而非单纯的视觉临场感。

【研究意义】本研究实现了VR安全培训效果从“事后主观自评”向“可观测、可解码的个体化神经预测”的范式推进，为开发数据驱动的个性化VR安全培训系统提供了神经生理学依据，也为建筑业从“一刀切”式安全培训走向精准、具身化的安全学习奠定了方法学基础。

【论文链接】https://doi.org/10.1016/j.autcon.2026.107137

供稿  |  林满生  张君臣  罗享寰  张群力  丁志坤

一审  |  龙   睛

二审  |  杨   磊

三审  |  左英姿