基于数据机制与混合驱动的数字孪生模型，用于深度挖掘过程中多种演变风险的时空预测

数字孪生与异构图神经网络在深基坑多源风险时空演化预测中的应用。本文提出基于数据-机制混合（DMH）特征生成与时空异构图注意力网络（THGAN）的框架，通过整合BIM模型、增量梁-弹簧（IBS）力学仿真和粒子群优化反演，构建多源风险异构图表示，采用分层注意力机制建模空间关联与时间动态，在上海某深基坑工程验证中使关键预测误差降低25%，验证了物理可解释框架在复杂地下工程风险管控中的有效性。

　　

Jian Wei|Yue Pan|Liang Zhen|Jin-Jian Chen

上海交通大学土木工程系，上海建筑与基础设施数字化维护重点实验室，海洋工程国家重点实验室，中国上海东川路800号，200240

摘要

鉴于深基坑开挖中多源风险的普遍存在，准确预测这些风险的联合时空演化对于项目的安全高效交付至关重要。现有的数据驱动方法往往缺乏物理可解释性，并且难以捕捉空间和时间上的跨风险相互作用。为了解决这些问题，本研究开发了一种数据-机制混合的数字孪生框架，将物理开挖系统与基于图的时空预测相结合。该框架从现场监测数据中推断出数据-机制混合（DMH）特征，并将异构风险变量及其时空依赖性组织成统一的图表示。基于这种表示，开发了时间异构图注意力网络（THGAN）作为数字孪生模型，其中分层注意力实现了关系感知的空间聚合和非线性风险传播的时间动态建模。在上海的一个深基坑开挖项目中的验证表明，THGAN能够准确预测多源风险的时空演化，并且与代表性的时空基线相比，关键预测误差减少了25%以上。特征消融进一步表明，DMH特征提高了变形敏感区域的预测准确性和响应性，并支持物理可解释的模型更新。总体而言，这些结果表明所提出的框架能够为深基坑开挖的安全管理提供基于物理的多种演化风险预测。

引言

随着城市化的快速发展，地下空间开发已成为缓解地表土地稀缺的重要手段（Li等人，2023年）。深基坑开挖是地铁系统、地下商业中心和高层建筑基础建设的基础。开挖深度的增加、更严格的环境要求以及施工复杂性的提高加剧了变形风险，这些风险具有多源性、时间动态性和强非线性（Pan等人，2025b年）。典型的风险包括底部隆起、挡土墙变形和地面沉降，它们可以以耦合的时空模式相互作用和演化。如果管理不当，这些风险可能会演变成严重的故障，如坑洞坍塌、结构不稳定和公用设施中断，对公共安全和城市韧性构成威胁（Pan等人，2025a年）。这些特点促使人们开发出能够捕捉开挖过程中复合风险演化的预测框架，并支持主动风险管理。

数字监测技术使得深基坑开挖对数据的需求日益增加，传感器网络提供了密集且持续收集的测量数据。这些监测数据的可用性推动了从传统的经验驱动实践向数据驱动建模方法的转变（Wei等人，2026年）。计算智能的最新进展进一步使得机器学习和神经网络能够在复杂的地质和施工条件下预测开挖引起的风险（He等人，2025年；Hu等人，2025年；Ye等人，2022年；Zhang等人，2020年）。通过学习高维表示和非线性模式，数据驱动模型已成为管理风险演化内在不确定性和复杂性的有用工具（Zhang等人，2024年；Zhou等人，2026年）。尽管在准确性和计算效率方面取得了显著进展，但将其应用于深基坑开挖仍受到几个根本性限制的制约。

现有预测模型的一个关键局限性是它们依赖于监测数据中的统计规律性，而对机械相互作用和变形原理的整合有限。开挖引起的变形是由卸载和排水等耦合过程驱动的，当缺乏机械基础时，纯数据驱动的预测可能会违反工程合理性。在训练数据中未能充分表示的分布变化和非标准施工条件下，性能也会下降。在这种情况下，数字孪生框架提供了物理系统与其数字对应物之间的双向链接，实现了基于物理的可解释性与数据驱动的适应性之间的结合（Zhu等人，2025年）。在建筑（Koo和Yoon，2024年；Li等人，2024年）、桥梁（Guo等人，2025年）和隧道（Bellini Machado和Massao Futai，2024年；Huang等人，2025年；Yu等人，2021年）中的最新应用已经证明了这种潜力。然而，基于数字孪生的深基坑开挖中多源变形风险的时空演化建模仍然有限。此外，实际部署需要计算上可行的力学整合以及物理可解释的推理和更新。

此外，许多现有模型强调单一风险指标的时间动态性，而多种风险之间的共同演化和时空耦合则较少得到系统性的描述。如图1所示，开挖活动可以触发耦合的多源响应。开挖引起的墙体变形可能导致坑外土壤流失，从而导致地面和管道沉降，同时也会在坑内引起底部隆起。捕捉这种联合动态对于提高开挖风险预测的准确性和鲁棒性非常重要（Pan等人，2023年）。异构图表示通过将不同风险类型视为节点类别并将它们的相互作用视为特定关系的边来提供合适的抽象。相应地，异构图神经网络（HGNNs）在知识图谱（Cheng等人，2024年）、交通网络（Sun等人，2025年）和推荐系统（Wang等人，2023a年）等领域展示了强大的学习关系感知依赖性的能力。然而，它们在地下工程中的应用仍然有限，特别是在预测深基坑开挖中的耦合变形风险方面。特定领域的异构关系和与时空依赖性编码与开挖力学和监测配置的对齐仍然不够完善。

为了解决现有方法中物理可解释性有限和跨风险相互作用建模不足的问题，本研究提出了一个数据-机制混合驱动的数字孪生框架，用于多源开挖风险的时空预测。该框架将物理开挖系统与基于HGNN的数字孪生模型相结合，包括三个连续模块。DMH特征生成模块整合了机械模拟、BIM和基于优化的反演，从现场监测数据中提取出基于力学的特征，从而将数字孪生固定在物理先验上。多风险异构（MRH）图生成模块将监测变量和DMH特征融合成统一的图，并构建双重时空邻接关系以编码异构关系和时间依赖性。在MRH图的基础上，THGAN通过分层注意力架构学习时空风险传播，实现关系感知的空间聚合和时间动态建模。本研究的主要贡献如下。

(1) 为了提供基于力学的可解释性，开发了一种基于增量梁-弹簧（IBS）的开挖模型，以便在不同施工条件下进行高效模拟。结合BIM和基于粒子群优化（PSO）的反演，它实现了计算上可行的力学整合和从监测数据中解释机械状态。

(2) 为了捕捉多源风险之间的异构时空依赖性，开发了适用于深基坑开挖的THGAN。THGAN利用分层注意力进行关系感知的空间聚合，其中每个关系内部使用节点级注意力，关系之间使用模式级注意力。它还通过带有时钟意识的门控递归来建模时间动态。

(3) 为了提高工程适用性，建立了一个集成机械模拟、MRH图表示和基于HGNN的图学习的闭环框架，并在真实的开挖项目中进行了验证。与代表性基线相比，它提高了预测准确性，支持地下环境中的多风险预测，以实现主动安全管理。

本文的结构如下。第2节回顾了图神经网络的发展和应用。第3节介绍了所提出的数字孪生框架及其三个核心模块。第4节通过案例研究验证了其工程适用性。第5节评估了THGAN的预测准确性，并讨论了DMH特征在提供物理一致性方面的作用。第6节总结了主要发现和未来的研究方向。

章节片段

相关研究

预测深基坑开挖中的多源风险演化需要可靠地表示非欧几里得空间依赖性和时变相互作用。直接从原始监测数据中推导风险相关结构通常受到高维度和不规则传感器布局的阻碍，这使得邻域相互作用的表征变得复杂。基于图的表示提供了一种有效的编码空间耦合的方法，而图卷积网络（GCNs）

数字孪生的整体框架

如图3所示，本研究通过整合BIM、基于IBS的开挖模型和THGAN开发了一个数字孪生框架。该框架桥接了物理开挖系统及其数字对应物，实现了多源风险的时空演化的可靠预测。具体来说，该框架包括三个核心模块。

(a) 数据-机制-混合（DMH）特征生成： 该模块从BIM和现场监测数据中提取出基于力学的DMH特征

案例研究

为了验证所提出的数字孪生框架的工程适用性，选择上海的一个深基坑开挖项目作为案例研究。本节描述了DMH特征生成、MRH图生成和THGAN开发的实施，并评估了在现场条件下的预测性能。

讨论

为了进一步评估THGAN在深基坑开挖中的时空预测能力，本节进行了四项分析。它检查了视界依赖的性能，评估了DMH特征的贡献，将THGAN与代表性基线进行了对比，并讨论了跨项目的适用性。

(1) 所提出的THGAN通过改变预测视界，支持短期和长期预测。在输入长度固定为5的情况下，视界T从1到5变化，测试性能保持稳定

结论与未来工作

准确预测多源风险的时空演化仍然具有挑战性，因为现有的数据驱动方法往往缺乏物理可解释性，并且难以捕捉空间和时间上的跨风险相互作用。为了解决这些差距，本研究提出了一个数据-机制混合驱动的数字孪生框架，该框架整合了基于力学的反演、MRH图表示和基于HGNN的学习。在这个框架中，基于力学的反演推断出潜在的物理

CRediT作者贡献声明

Jian Wei：撰写——审阅与编辑，撰写——原始草稿，验证，方法论，调查，形式分析，概念化。Yue Pan：撰写——审阅与编辑，监督，调查，资金获取，概念化。Liang Zhen：监督，资源获取，资金获取。Jin-Jian Chen：监督，资源获取。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。

致谢

本工作得到了中国国家重点研发计划（编号：2023YFC3009405）和国家自然科学基金（编号：42377136，72201171）的实质性支持。