详细内容或原文请订阅后点击阅览
通过多样性实现稳健性：从异质含水层中学习
从遍布各地的不同含水层结构中学习，可以产生强大的逆方法。
来源:Eos杂志来源：水资源研究
在地下水流和输运建模中，含水层表征仍然是一个热门话题。最终，这意味着给出数值模型中每个网格单元的水力特性值。这是一项艰巨的任务，因为我们无法轻易地看到地下，因此，这些属性的空间异质性和结构在很大程度上仍然不确定或完全未知。通过反演方法间接估计空间异质性是一个巨大的挑战，因为结构的相关性发生在数量级上并且不遵守方便的（高斯）统计定律。此外，逆方法具有很强的计算摩擦，限制了它们在应用环境中的实用性。
曹等人。 [2026]通过提出的集成深度学习平滑器立即解决这些挑战，该平滑器通过邪恶的结构（即不同的先验分布）进行了精美的训练。他们将其称为混合先验策略，该策略使得平滑器极其稳健、通用，并且最重要的是可转移。很高兴看到多样性带来了鲁棒性，即使是在处理含水层表征这样的困难任务时也是如此。
引文：曹春、张静、游芳、南涛、尹静、鲁春 (2026)。 使用基于深度学习的集合平滑器和混合先验策略来改善异质含水层表征。水资源研究，62，e2025WR040819。https://doi.org/10.1029/2025WR040819
—Stefan Kollet，编辑；Alberto Bellin，副主编，水资源研究