兴国必先强师，教师是立教之本，兴教之源。习近平总书记强调：“好老师要做到学为人师，行为世范”、“真正把为学，为事，为人统一起来，当好学生成长的领路人”。
土木工程学院教师们不忘初心，砥砺前行，投身土木工程各领域科技前沿，全面贯彻党的二十大和两会精神，不断提高自身科技创新“硬实力”。立德树人，修身治学，开拓创新，努力做到“为学，为事，为人”相统一，以蓬勃朝气和向上力量为中国式现代化建设和“双一流”人才培育助力。
从即日起，“耀熠土木——优秀师生风采展”系列推文将在土木工程学院ag真人官方官网和官方微信公众号全面上线，直面学院教师，聚焦立德树人、科学研究和社会服务，促进学院发展。本期让我们了解李佳颖讲师。
个人简介
李佳颖，湖南常德人，1994年12月出生，工学博士，讲师，硕士生导师。2022年6月毕业于中南大学道路与铁道工程专业。2022年9月进入湘潭大学土木工程学院从事教学、科研工作。主要研究领域为地质灾害风险评价区划、铁路选线地灾评估等方面。
立德树人
教学方面，主讲土木工程本科基础课程《理论力学》和专业课程《道路勘测设计》与《线路设计软件应用》，教学遵循目标导学、问题引领、任务驱动；授课融入案例分析，将工程实例与理论知识相互映照；积极参与《道路勘测课程设计》等实践教学环节，教导学生学用结合；兼重指导学生开展生产实习等实践活动，注重产学研合作发展。
科学研究
科研方面，主要从事区域地质灾害评估与铁路选线设计领域的研究。立足于“十四五”时期着力填补西部铁路“留白”的政策规划，应“提高国家自然灾害防治能力”重大需求，围绕区域或线路地质灾害评估，通过实地调查、文献调研、模型分析和算法优化等手段，精细化分析致灾因子对地质灾害风险的影响，进一步拓展研究地质灾害时空风险。自2016年起，曾多次赴贵州、四川、西藏和日本九州等多个地区，深入地质灾害灾区，完成灾区与铁路沿线以及滑坡、泥石流等地质灾害实地现场调研，取得多处地质灾害的重要基础数据（如地质特征、水文特征、气象特征、地表特征、工程资料和地质灾害特征）。于2019年9月前往日本九州大学学习防灾减灾工程。先后参与国家自然科学基金项目“铁路选线地质灾害时空危险性评估理论与方法研究（no. 51478483）”与“服役环境作用下泥石流拦砂坝结构可靠性经时演化及灾变机理研究（no. 52078493）”。围绕地质灾害风险评估与铁路地质灾害防灾减灾等研究内容，近5年以第一作者或通讯作者发表sci论文9篇，以第一作者发表国际会议论文1篇，并在国际会议“第五届滑坡论坛（5th world landslide forum）”做出会议报告。近年来完成的代表性研究成果如下：
一、区域地质灾害敏感性评估与致灾因子精细化分析
（1）评估模型优化
评估模型优化是当前提高地质灾害敏感性评估准确性的重要手段，研究通过卡方检验、多重共线性检验和袋外误差从15个影响因素中选择评价指标，通过将深度置信网络模型与多种优化算法结合，选择最优超参数提高敏感性评估准确性，得到最优地质灾害敏感性评估结果。结果表明，三种优化模型均优于深度置信网络模型，提高了模型性能，其中ssa-dbn模型的评估精度最高，其次是pso-dbn和sa-dbn模型。该研究对提高区域地质灾害敏感性评估准确性具有指导意义。（doi: 10.1016/j.asr.2022.01.043；doi: 10.3390/w14060881）
图1 利用多种模型得到的滑坡灾害敏感性区划图。（a）dbn模型；（b）sa-dbn；（c）pso-dbn；（d）ssa-dbn
（2）地质灾害时空敏感性评估
滑坡灾害敏感性评估是一种常用且有效的预防滑坡风险的方法，强降雨对滑坡灾害的诱发作用非常重要。本研究利用卡方检验、袋外误差和多重共线性检验选择影响因素，通过随机森林模型、深度置信网络模型和支持向量机模型得到评估结果。根据研究区域的强降雨特征，将降雨期分为四个阶段，利用有效降雨模型生成四个阶段的降雨影响图。通过耦合空间敏感性区划和时间敏感性区划得到时空敏感性区划，并进行验证。该研究为预测降雨诱发滑坡的可能发生区域提供参考。（doi: 10.3390/w13223312）
图2 四个阶段的滑坡灾害敏感性评估区划图。（a）发育期；（b）高峰期；（c）停滞期；（d）衰减期
（3）地质灾害致灾因子精细化分析
dem数据是滑坡易发性评价的基础数据，由于景观的变化和重塑过程，dem表现出明显的时间变化，并对评估结果产生重大影响。为了探讨dem时间变化对灾害敏感性的影响，研究收集跨越17年的多时序dem数据，并调查研究区域的地形变化。利用逻辑回归模型生成多时序敏感性区划图，定量验证地形变化与滑坡敏感性之间的相关性。同时，在致灾因子分析方面，引入关联挖掘算法挖掘最不利二级因子，利用优化关联挖掘算法，基于历史滑坡面积挖掘频繁的二级因子组构，并通过频率比等检验指标验证结果准确性。该研究创新性地将大数据技术应用于致灾因子分析中，高效解决了因子组构海量数据的挖掘问题，为地质灾害初步预防提供参考。（doi: 10.1080/19475705.2021.1947904；doi: 10.3390/app10072518）
图3 多时序滑坡敏感性区划图
二、铁路地质灾害风险评估与选线规划
研究在区域地质灾害敏感性评估的基础上，引入铁路“线元”概念，分析铁路线域的地质灾害敏感性评估区划，引入铁路特征参数，将影响因素划分为地质灾害特征、历史滑坡影响、施工对原始地形地貌影响和铁路重要程度四个指标类，基于物元可拓模型、灰色关联模型和支持向量机模型评估铁路地质灾害风险，初步建立铁路地质灾害危险性评估流程。（doi: 10.1080/19475705.2019.1699606；国际会议论文world landslide forum 5 2021, 2, 365-371）
图4 基于多种模型的铁路地质灾害风险评估区划图
三、滑坡位移预测与灾害预警
由于实际位移和位移预测模型之间的耦合关系十分复杂，常权组合模型难以应用于实际情况。研究基于自回归模型、长短期记忆人工神经网络和支持向量机模型开发变权组合模型，并通过实际位移与预测结果之间的误差对各个模型的权重进行了综合比估。权重随着周期的增加不断优化，从而提高变权组合模型预测准确性。该模型不仅保留各个模型的优势与模型信息，而且提高滑坡位移的预测精度，为滑坡防治工程提供科学依据。（doi: 10.1007/s12665-021-09696-2；doi: 10.1007/s11069-019-03595-3）
图5 滑坡位移预测与灾害预警
社会服务
社会服务方面，重视“政用产学研”协同发展，以高校为研究平台深入探究致灾因子对铁路地质灾害风险的影响，完成科学技术的研究开发，并且以项目需求为导向培养高校人才，充实高校人才库。最后，将研究成果延伸完善，并与工程实际相互验证，以期将项目研究成果与工程实际无缝接轨，满足相关单位的用户需求。
联络电子邮箱：jiaying_li@xtu.edu.cn
个人ag真人官方主页：
