地球科学学院王艳昆副教授以通讯作者身份在SCI期刊《Water》上发表题为“An Inversion Study of Reservoir Colluvial Landslide Permeability Coefficient by Combining Physical Model and Data-Driven Models”的研究论文，该项研究得到了国家自然科学基金、湖北省自然科学基金和西藏自治区科技厅项目的共同资助。

饱和渗透系数（ks）是评估水库滑坡渗流和稳定性的重要参数。然而，传统实验方法获得的ks值往往存在较大的变异性，代表性较弱，当使用这些值进行水库滑坡渗流分析时，往往与实际观测值存在显著偏差。论文提出了一种物理-数据双驱动的智能反演方法，该方法结合了拉丁超立方抽样（LHS）、非饱和流有限元分析、粒子群优化算法（PSO）和核极限学习机模型（KELM）。以大渡河瀑布沟库区的红岩子滑坡为研究对象，首先通过LHS和非饱和渗流分析获得不同ks下的滑坡地下水位；然后，基于PSO-KELM模型拟合ks与滑坡地下水位之间的非线性函数关系；最后，通过最小化预测与实际地下水位之间的均方根误差，利用PSO获得最优的滑坡ks值。同时，论文对不同地层的ks进行了全局敏感性分析，以揭示不同水力参数对滑坡地下水位的控制规律。研究结果证明了该方法的可行性，可为类似滑坡提供借鉴。

论文链接：https://www.mdpi.com/2073-4441/16/5/686