近日，重庆交通大学未来土木科技研究院赖远明院士团队青年教师曾韬睿，在工程地质领域顶刊《Engineering Geology》（SCI中科院1区TOP，IF=8.4）发表了题为“The integration of slow-moving landslide features, MT-InSAR data, damage survey results and deep learning algorithms for building vulnerability zoning and forecast”的研究成果。

本研究针对三峡库区滑坡灾害频发、乡镇尺度缺乏系统性易损性评估方法的现状，以万州区大周镇为研究区，创新性地整合了滑坡地质特征信息、多时相干涉合成孔径雷达（MT-InSAR）位移监测技术与深度学习方法，构建了建筑物易损性评估与预测体系。通过引入贝叶斯优化的长短期记忆网络（LSTM）提升预测精度，应用滚动时间序列预测分布分析（RTSFDA）方法量化预测不确定性，并基于坡度单元开展脆弱性分区，进行不同情节风险预测。研究结果表明：该综合方法体系有效融合了工程勘察数据、对地观测技术与深度学习算法，实现了库岸高风险区域的精准识别和未来风险的科学评估，为三峡库区等地质灾害高发区的滑坡风险管理提供了乡镇尺度的技术解决方案。研究成果有助于支撑地方政府制定精准化的灾害防治策略，提升库区城镇防灾减灾能力，为长江经济带生态安全与可持续发展提供科学支撑，推动地质灾害风险管理从经验判断向智能预警转型。

该研究获得中国博士后科学基金第76批面上资助(2024MD764034)、国家资助博士后研究人员计划C、重庆市自然科学基金面上项目和重庆市博士后研究项目特别资助一等资助，近年来，曾韬睿老师围绕三峡库区滑坡灾害精细化风险防控开展了大量的研究工作，在《Engineering Geology》、《Landslides》、《Catena》、《Geoscience Frontiers》、《International Journal of Disaster Risk Reduction》、《Geomorphology》、《岩石力学与工程学报》、《地球科学》等地质灾害领域权威期刊发表相关学术论文多篇。

原文链接：https://doi.org/10.1016/j.enggeo.2025.108449