用于GEOAI基准问题BM/AirportSoilProperties/2/2025的表格基础模型
机器学习
2026-03-04 v1
摘要
本文展示了表格先验数据拟合网络（TabPFN）——一种用于表格数据的基于Transformer的基础模型——在GEOAI基准BM/AirportSoilProperties/2/2025中定义的地基工程场地表征问题上的新颖应用。两个任务被处理：（1）预测钻孔深度剖面上不排水抗剪强度（）的空间变化，以及（2）填补密集场地数据集中缺失的力学参数。我们在零训练、少样本、上下文学习设置中应用TabPFN——无需超参数调优——并为其提供了来自大型间接数据库（BID）的额外上下文。研究表明，TabPFN作为一种通用基础模型，在预测精度和预测分布校准方面优于传统的层次贝叶斯模型（HBM）基线，同时显著提升了推理效率。在基准问题#1（空间预测）中，TabPFN在预测精度上超越了HBM，并实现了数量级更快的运行时间。在基准问题#2（缺失力学参数填补）中，TabPFN同样对所有目标参数实现了更低的RMSE，并提供了良好量化的不确定性，尽管其累积计算成本因逐变量推理而高于HBM。这些结果标志着表格基础模型在地基工程建模中的首次成功应用，暗示了概率场地表征领域潜在的范式转变。
引用
@article{arxiv.2509.03191,
title = {Tabular foundation model for GEOAI benchmark problems BM/AirportSoilProperties/2/2025},
author = {Taiga Saito and Yu Otake and Stephen Wu},
journal= {arXiv preprint arXiv:2509.03191},
year = {2026}
}