缺失段精确重建
该模型将高斯混合分布的变分推断与Transformer的时序建模相结合，能对隧道微震监测中的缺失数据进行高精度补全，并同时给出定量的预测不确定性。
Kuang, Zhihao · Li, Shaojun · Qiu, Shili · Yong, Huang · Shuaipeng, Chang
Engineering Applications of Artificial Intelligence 2026
采用直接填补策略时，重建误差从 25.73% 降至 13.37%，说明模型对缺失段的空间特征恢复更准。
模型利用高斯混合分布的概率特性和蒙特卡洛 Dropout 量化预测不确定性，给出窄置信区间，增强结果可信度。
与随机森林和 LSTM 等基准模型相比，本模型在恢复微震分析关键的空间特征上精度更高。