河北地质大学郭怡情、周烜宇团队深入石家庄地铁一线，以天气自适应算法攻克沉降预警难题

近日，河北地质大学郭怡情、周烜宇带领的本科生科创团队，在石家庄相关地铁站完成了“智慧哨兵——天气自适应的毫米级轨道交通沉降预警系统”的实地调研与项目试应用。经过为期数月的现场部署与数据验证，该系统在沉降预测精度和预警及时性方面表现出色，预测误差较传统方法最低降低12%，有效提升了轨道交通施工及运营期的安全风险管控能力，为城市生命线的安全管理提供了全新的技术方案。

一线调研：六成技术人员反映“预测不准”

近年来，深圳、广州等地相继发生的地铁施工地面塌陷事故，造成重大人员伤亡和财产损失。如何让安全预测跑在事故发生之前，成为工程界亟待破解的课题。针对这一痛点，河北地质大学郭怡情、周烜宇团队的“智慧哨兵”项目应运而生。

在项目启动初期的实地调研中，团队走访了多个地铁站点，发现超过60%的一线技术人员认为现有沉降预测工具“不够准、不够快”。传统的预测算法多依赖历史沉降数据进行建模，却普遍忽略了降水、温度、湿度等天气因素对土体变形的直接影响，导致在复杂气候条件下预警性差。这一发现，直接催生了团队的技术攻坚方向。

算法创新：让模型学会“看天测沉降”

由10名来自防灾减灾、电子信息、会计学等专业的本科生组成的“智慧哨兵”团队，在张文松博士、袁颖教授等指导下，历时两年，成功构建了深度时序图卷积预测（DKSGCN-W）模型。该模型创新性地融合了时序聚类算法、图卷积神经网络和门控循环单元三大前沿方法，并率先引入气象感知模块，将降水、温度、湿度等天气因素纳入沉降预测体系，突破了传统模型仅依赖单一沉降数据的局限。通俗地讲，就是让算法学会了“看天测沉降”。

实地验证：石家庄地铁站误差降低12%

为验证系统在北方典型地质条件下的可靠性，团队选择了石家庄相关地铁站作为重点验证场地。验证结果显示，与传统及主流算法相比，该系统沉降预测预警效果显著，多个监测点的预测误差较传统方法降低12%以上。特别在降雨降温等恶劣天气期间，系统凭借气象模块的协同校正，依然保持了高稳定性的预测输出，成功攻克了传统模型在天气突变时易失准的行业痛点。这为周边居民和施工人员争取到了更长的应急处置时间，从源头上降低了沉降事故风险。

系统可视化平台通过绿、黄、橙、红四色编码实现风险分级，管理人员通过Web端大屏或移动端小程序，即可实时查看毫米级沉降趋势与多日预测数据。一旦触发预警，信息将自动推送至责任人。系统设计注重软硬件解耦，可直接对接现场既有传感器，以“软着陆”方式实现技术升级，大幅降低了用户的部署门槛。

目前，该项目已取得丰硕的阶段性成果：团队发表和投稿EI论文2篇、英文SCI论文1篇、国家级期刊论文1篇；申请国家发明专利1项、软件著作权1项；荣获"挑战杯"二等奖等多项荣誉。项目技术已与相关单位项目部达成意向合作。

团队心声：每毫米偏差都是安全线

团队负责人郭怡情在总结实践时说道：“在工地蹲点几个月，我们深刻体会到，测量仪上的每毫米偏差，背后都是人民生命财产的安全线。”

团队成员赵文彬也深有感触：“当工地的技术员说‘你们这个预警推得还挺及时’时，我们觉得几个月的蹲点值了。”

从校园实验室走向工程一线，河北地质大学的这群本科生用实际行动诠释了新时代青年的创新精神与社会担当。未来，团队计划以石家庄世纪公园站为起点，逐步向京津冀、长三角、珠三角等轨道交通密集区域推广，让“智慧哨兵”守护更多城市的地下安全。（程雨萌）