本次报告将介绍一种基于异常体散射有效信号提取物理特征的无监督机器学习技术，用于探测地下异常。该技术通过识别异常分数相对于背景值的急剧变化，可解译亚米级尺度的潜在异常，其优势在于能够克服探地雷达、地震法等传统地球物理方法中存在的主观不确定性和人为偏差。该技术特别适用于探测深度60米以内的地下异常，这一深度范围涵盖了大多数典型地下基础设施的分布位置。结合互相关分析，该技术能精确定位工程扰动区域，并提出高效修复方案。案例研究将展示其在城市环境中快速客观检测灰岩溶洞、地下管道及隧道施工引发空洞的应用效果，有效提升地质灾害风险预测与决策效能。

报告人简介：

吴为博士，新加坡南洋理工大学终身教授，新加坡岩石工程与工程地质学会主席，国际顶刊岩石力学与采矿科学副主编，土木与环境工程学院助理院长。瑞士洛桑联邦理工大学博士，美国斯坦福大学博士后。长期致力于岩石力学与工程地质，城市地下工程，地质能源的开采和储存等研究。