近日，西南交通大学土木工程学院交通隧道工程教育部重点实验室团队在国际智能建造顶级期刊《Automation in Construction》发表最新研究成果“Transfer learning for tunnel support system design based on Titans”。
Cheng,P., Gutierrez, M., Hu, X., Huang, Y., Zou, J., Bai, W., & He, C. (2026). Transfer learning for tunnel support system design based on Titans. Automation in Construction, 192, 107208.
论文链接：https://doi.org/10.1016/j.autcon.2026.107208
研究概述
隧道支护设计高度依赖地质条件、施工方法和工程规范。长期积累的设计资料虽然数量可观，但不同项目之间的术语、参数单位、支护编码与设计偏好并不统一，当数据驱动模型直接迁移到新项目时，容易出现精度下降、冷启动和既有知识被覆盖等问题。研究首先构建多指标评价准则，利用通用支护解析器，最终形成6400个标准化样本，在统一的数据表达层面，研究提出动态空间分配策略，将不同长度、类别和工程规格的地质与支护参数映射到互不冲突的离散标记空间。DSR-Titans以Titans的“记忆即上下文”结构为骨干，冻结的专家流保留从铁路隧道中学习到的力学与支护先验，可训练的学徒流通过残差学习吸收公路隧道的特定差异，并采用渐进激活策略降低负迁移和灾难性遗忘风险，在目标域评价中，模型平均准确率达到98.1%，平均交并比为88.55%，在铁路向公路迁移设置下，最终准确率约为89.5%，优于全参数微调、从头训练和冻结复用等对照策略。
图1 DSR-Titans跨域隧道支护推荐总体流程
图2 DSR-Titans结构和多指标方案
创新点
1.研发通用支护解析器与动态空间分配编码方法，把异构地质、施工与支护文档转换为统一、机器可读的地质-支护标记序列，减少跨项目术语和标签冲突。
2.提出基于Titans神经记忆结构的双流残差迁移机制：专家流冻结铁路域先验，学徒流学习公路域残差，显式分离“可迁移知识”与“目标域修正”。
3.构建带工程闭环校核的人机协同推荐流程。模型输出候选方案后按预设评价准则检查，若候选均不满足要求，则转交专家复核，而不是自动生成未经验证的方案。
图3 跨域迁移策略的结果分析
主要结论
1.DSR-Titans在经筛选和离散化的数据集上取得98.1%的平均准确率与88.55%的mIoU，多类安全相关支护构件在评价样本中达到100%的预测准确率，说明框架能够生成与地质条件总体一致的构件级推荐。
2.残差迁移策略优于直接冻结复用、从头训练和全参数微调。铁路域先验由专家流稳定保存，公路域差异由学徒流单独学习，从而减少参数扰动并提升有限样本条件下的收敛稳定性。
3.动态标记化把碎片化的勘察和支护知识转化为统一数字接口，可服务于跨项目知识复用、方案一致性检查与可扩展的初步设计决策支持。
4.研究结果应理解为特定筛选样本和离散类别内的构件级一致性，不能视为所有工程场景下的普适可靠性。面向安全关键部署，仍需在更多未经强筛选的现场数据上验证，并与专家审查、规范校核和力学验证结合。
研究团队介绍
隧道智能建造研究团队围绕隧道支护系统、复杂工程数据标准化和隧道智能建造开展交叉研究。本成果进一步打通了“历史工程文档-统一知识表达-跨项目模型迁移-专家复核”的技术链，为地下工程知识的数字化复用提供了新的实现路径。
作者介绍
程蓬悦（第一作者）
程蓬悦，西南交通大学土木工程专业学生，主要开展隧道支护智能设计、地下工程物理信息图深度学习、路面病害计算机视觉识别等方面研究。在《Computer Aided Civil and Infrastructure Engineering》、《Automation in Construction》等期刊有多篇在审及录用成果。
胡雄玉（通讯作者）
胡雄玉，教授、博导。大型及复杂交通隧道工程教育部创新团队”及“黄大年式交通隧道工程教师团队”主要成员。主要研究方向包括复杂地层盾构（TBM）隧道掘进控制、隧道新型支护体系与隧道智能建造技术。主持国家自然科学基金优秀青年基金1项、国家重点研发计划课题1项，国家自然科学基金（面上）项目1项，四川省青年基金1项。参与美国交通部项目、挪威研究理事会项目、国家重点研发计划课题、国家973计划课题等国家及省部级科研项目10余项。
黄宇波（合著者）
黄宇波，西南交通大学科研助理，主要研究领域为生成模型、迁移学习、视觉表征和AI在隧道工程的应用等。在《Computer Aided Civil and Infrastructure Engineering》、《Automation in Construction》、《NeurIPS》等土木和计算机顶级国际期刊和会议发表多篇论文。
