• 更多栏目

    唐冲

    • 教授     博士生导师   硕士生导师
    • 性别:男
    • 毕业院校:新加坡国立大学
    • 学位:博士
    • 所在单位:水利工程系
    • 学科:岩土工程. 防灾减灾工程及防护工程. 水工结构工程
    • 办公地点:综合实验四号楼303-1
    • 联系方式:13734903318
    • 电子邮箱:ceetc@dlut.edu.cn

    访问量:

    开通时间:..

    最后更新时间:..

    个人简介

    唐冲,男,教授,博士生导师,国家青年人才项目获得者2014年获新加坡国立大学岩土工程博士学位,师从国际知名岩土工程专家方国光 (Kok-Kwang Phoon) 教授,2013.08–2021.02在新加坡国立大学土木与环境工程系从事科研工作,目前在大连理工大学水利工程学院工程抗震研究所任职教授。研究方向包括土与结构相互作用数值分析方法、岩土参数不确定性与模型误差评估、岩土地基基础设计、数字岩土工程(Data-Centric Geotechnics)等。2020年以第一兼通讯作者获美国土木工程师学会(ASCE)论文最高奖–诺曼奖章(Norman Medal),是ASCE历史最悠久的奖项,设立于1872年,表彰论文研究成果在工程科学领域的杰出贡献 – 岩土工程数字化。2021以第一作者出版英文专著《Model Uncertainties in Foundation Design》,CRC Press/Taylor & Francis Group,获国内外同行高度评价。以第一/通讯作者在岩土工程权威学术期刊(ASCE Journal of Geotechnical and Geoenvironmental Engineering, ASCE Journal of Engineering Mechanics、Canadian Geotechnical Journal等)发表SCI论文30余篇,积极参与国际设计标准/规范(ISO 2394, Eurocode)修订研究工作,领导撰写了国际土力学与岩土工程学会(ISSMGE)TC304技术委员会“岩土参数不确定性与模型误差研究进展”报告第四章。

    教育经历

    2000.9 -- 2004.7
    西南交通大学       土木工程       学士

    2004.9 -- 2007.6
    广西大学       固体力学       硕士

    2009.9 -- 2014.3
    新加坡国立大学       岩土工程       博士

    工作经历

    2013.8 -- 2014.3

    新加坡国立大学      助理研究员

    2014.4 -- 2019.7

    新加坡国立大学      研究员

    2019.8 -- 2021.2

    新加坡国立大学(新加坡)      高级研究员

    2021.9 -- 至今

    大连理工大学建设工程学部      教授

    研究方向

  • Data-centric geotechnics is an emerging field in civil engineering. It is by nature a crafted combination of data science and geotechnics. Beyond classical statistics, data science is regarded as Statistics 2.0 using artificial intelligence, machine learning, and other digital technologies to extract value and knowledge from big data. However, the agenda for machine learning in geotechnics should not be focused on applying or developing algorithms alone. The geotechnical context that gives rise to the data is important. Therefore, data-centric geotechnics requires development of machine learning or other digital technologies in geotechnics to be carried out with an appropriate balance of three elements: (1) data centricity, (2) fit for (and transform) practice, and (3) geotechnical context.