近期，中心焦龙潇带领研究团队，在ASCE旗下资深SCI期刊《Journal of Performance of Constructed Facilities》上以科技论文形式发表了创新科研成果。该研究是中心承担的“郑州市国土空间规划地下智慧感知应用研究”（河南省自然资源厅2022年度省财政科研项目）研究方向之一。该成果的发表，既是对地下空间探测研究所六年来所开展的道路病害检测优势业务的系统性梳理和总结，更是提升专业理论高度，产学研用相结合的有力体现。研究内容涵盖 “应用创新”与“算法创新”两个组成部分。

应用创新方面，研究团队分别建立了灾害时空联合概率密度模型与空间条件概率密度模型（Fig. 7, 8, 9），绘制高发区时空迁移轨迹图（Fig. 9）；叠合郑州市1990-2020年建成区历史影像（Fig. 10）、特殊类土体分布，全面、系统地分析了郑州市主城区过去十年路面塌陷灾害的空间分布特征与时间演进规律，论述了灾害高发区空间聚散迁移，时间产生消亡的发展趋势，预测了未来高发区域。该研究为郑州市城市管理部门有的放矢、节约高效开展道路病害检测提供有力技术支撑，治理模式从“灾后调查处理”向“灾前预测防治”加速转型。该研究也为其他同样面临灾害挑战的城市提供了有价值的参考与借鉴。

算法创新方面，研究团队在传统算法的基础上进行创新，使逐点携带的空间侧带宽与时间侧带宽依照先导局部密度值的平方根法则重分配，后归一化，形成“自适应带宽时空核密度估计+边缘修正”技术创新（Eq. (1)-(6), Fig. 2），并从多个角度分析和论证了其科学性与工程性。

科学性层面，研究团队建立了多个不同角度的对比实验，结果证明：所提出的创新算法较传统算法具有更小的积分平方误差，即拟合的更好，且未出现过拟合；数据越不均匀，这种优势就越显著；面对极端事件冲击，反应更加敏锐、响应更加高效，出现“双向优化效应”；在全部预测中，创新算法模型都更加可信；能够识别出范围更小更集中的热区，传统算法模型无法达到上述水平。

工程性层面，研究团队搭建高效计算图，提升算力：一是底层全部采用向量—矩阵运算，在广播机制下连续两次外积求得三阶张量，后进行积分归一化及重变换；二是顶层采用并发计算与负载均衡，考虑到核密度估计（不论维数）这一数学算法天然可拆分（仅贡献阶段），因此，研究团队在所有实验中将计算任务均分为多个子部分，送入多线程同时计算。该创新算法，为那些试图继续采用传统方法开展研究的团队提供了更佳选择。代码已在GitHub开源。

工作中，研究团队更在人工智能深度学习领域开展了深入研究。万能近似定理赋予了深度学习模型极高的理论上限；编码器—解码器架构为其提供了更科学的建模范式。虽然本次所提出的算法模型与其同属机器学习，同根同源，但相形见绌。近年来，生成对抗网络、图卷积网络、Transformer、扩散模型先后横空出世，孕育出人工智能工业革命。这些模型及其变体，已经开始应用于物探、化探、遥感+地质找矿靶区预测。甚至跨双模态、跨三模态捕捉空间分布异常与谱组合异常，映射为特征空间先验流形，继而向地质成矿后验学习逼近，即通过反向传播，在异常推断函数空间中寻找与成矿异常最相关的那一组映射；更有地质填图，乃至专家知识的嵌入，形成正反馈。这正是当下最前沿、最精尖的研究方向，更是河南省新一轮找矿突破战略行动“十五五”实施方案中“智慧找矿”相关论述的核心实践。这是必由之路，更是摆在河南地质工作者面前的宏大挑战。

蓝图已经绘就，奋进正当其时。研究团队将再接再厉，争取再立新功。

注：《Journal of Performance of Constructed Facilities》2025年影响因子为2.1，属中科院3区，JCR2区，年发文量110篇。第一作者，焦龙潇，男，1988年生，高级工程师，计算机专业，硕士研究生，主要从事数据挖掘，深度学习人工智能领域研究。所有作者均来自河南省地质局矿产资源勘查中心，及两个创新平台。相关发明专利已在申请。DOI: 10.1061/JPCFEV.CFENG-5213.