近日，重庆交通大学河海学院梁越教授团队在《Computer-Aided Civil and Infrastructure Engineering》发表题为“Topology guided fourier neural operator with decoupled geometric parameterization for dam leakage detection”的最新研究成果。该研究聚焦大坝渗漏缺陷智能识别与安全监测，提出了一种拓扑引导的傅里叶神经算子框架，为大坝早期渗漏风险识别和水利基础设施智慧运维提供了新的技术思路。

大坝渗漏是影响工程安全运行的重要隐患之一。传统成像反演方法在实际应用中常面临计算量大、早期缺陷边界定位不清等问题。针对这一难题，研究团队将人工智能方法与水利工程安全监测需求相结合，通过拓扑先验网络引导傅里叶神经算子模型学习，实现对大坝渗漏缺陷的快速识别与定位。试验结果表明，该框架在多组测试中取得了较高的识别稳定性，可在低对比度早期渗漏、测量噪声和部分数据缺失等复杂条件下保持较好表现，正演计算和反演效率较传统方法均有明显提升。

该成果是河海学院围绕“AI+水利”、重大水利工程风险防控与智慧运维等方向开展交叉融合研究的最新进展。研究以大坝安全监测中的实际需求为牵引，探索人工智能算法、工程感知数据和水利基础设施运维场景的结合路径，为水利工程数字化、智能化监测提供了有益参考。

论文第一作者为水利工程博士生尹朝恒，梁越教授为通讯作者，香港科技大学PAN Xiao（潘枭）助理教授为共同通讯作者，许彬副教授、博士生张斌参与研究。该研究体现了学院在水利工程智能监测方向的持续积累，也展现了团队拓展境外高水平科研合作、面向重大水利工程安全需求开展协同攻关的积极探索。

据悉，《Computer-Aided Civil and Infrastructure Engineering》是工程智能建模、基础设施安全监测与智慧运维等方向的重要国际期刊，具有较高学术影响力。近年来，河海学院持续围绕国家水网建设、重大水利工程安全、智慧水利和水运基础设施韧性提升等需求，推进学科交叉融合和科研创新，为学院高质量发展与转型升级提供了有力支撑。

引用信息：Yin C, Liang Y, Pan X, et al.Topology Guided Fourier Neural Operator with Decoupled Geometric Parameterization for Dam Leakage Detection[J]. Computer-Aided Civil and Infrastructure Engineering, 2026: 100073.

DOI:10.1016/j.cacaie.2026.100073

论文链接：https://www.sciencedirect.com/science/article/pii/S1093968726030598