EN 登录 学校主页
学校主页 English 登录

个人信息

姓名：谢佳伟

国籍：中国

性别：男

毕业院校：澳大利亚纽卡斯尔大学

职称：研究员

学位：博士

电子邮件：xiejiawei@ncu.edu.cn

所在单位：工程建设学院

办公地址：水利馆309

个人信息

谢佳伟，男，特聘研究员，博士生导师。2016年本科毕业于中南大学土木工程学院詹天佑班，2019年获该校硕士学位（推免保送），期间赴香港科技大学进行联合培养，2023年获澳大利亚The University of Newcastle岩土工程博士学位（全额奖学金），2023年6月至2026年2月留校担任副研究员（Level B）。主要从事（水工）岩土体数智建模、边坡与隧道数字孪生、智能监测与风险评估、工程智能体等方向研究，致力于融合人工智能、地理信息系统、三维地质建模、现场监测和数值计算等方法，服务复杂岩土环境数字化重构、工程结构动态演化分析与灾害风险智能决策。

重点参与澳大利亚研究理事会Discovery Projects项目2项及多项澳大利亚国家铁路公司（ARTC）委托课题。在Engineering Geology、Tunnelling and Underground Space Technology等期刊发表论文30余篇，其中以第一/通讯作者发表中科院一区TOP期刊论文10篇，获2022年国际岩土工程安全协会最佳论文奖及2024年澳洲新南威尔士研究提名奖 (每年仅遴选五人) 。受邀担任ISGSR、ISRERM、5MLIGD等国际权威会议分会场主席，担任Geotechnical Engineering及Frontiers in Earth Science等期刊青年编委和审稿编辑，长期担任Géotechnique、IJRMMS、JRMGE、RESS、CG等行业顶刊常任审稿人。在成果转化方面，自主研发RockMapper智能岩石测绘软件及Rock-Camera、CrackGen等Github开源算法系统，提出的岩体数据处理技术已被Rybkarock等国际能源科技公司采用，铁路路基风险预测系统成功应用于澳大利亚国家铁路实际工程，成果《地质超前智能探测系统》项目获教育部“春晖杯”中国留学人员创新创业大赛优胜奖（第一名）。

教育经历

[1] 2012年9月-2016年7月 中南大学 本科

[2] 2016年9月-2019年7月 中南大学 硕士研究生

[3] 2019年10月-2023年5月 澳大利亚纽卡斯尔大学 博士研究生

工作履历

[1] 2026年2月-至今 南昌大学 特聘研究员

[2] 2023年6月-2026年2月 澳大利亚纽卡斯尔大学 副研究员

科研项目

Australian Research Council, Discovery Projects, DP220103381, A novel quantitative risk assessment framework for fractured rock slopes, 2023-01 至 2026-12, 223万元， 主研

Australian Research Council, Discovery Projects, DP190101592, Probabilistic geotechnical site characterisation, 2021-01 至 2024-12, 85万元， 主研

科研成果

[1]     Xie, Jiawei; Chen, Baolin; Huang, Jinsong; Zhang, Yuting; Zeng, Cheng. (2025). Advancing spatial-temporal rock fracture prediction with virtual camera-based data augmentation[J]. Tunnelling and Underground Space Technology, 158: 106400. (SCI中科院1区top)

[2]     Xie, Jiawei; Chen, Baolin; Giacomini, Anna; Guo, Hongyu; Iqbal, Umair; Huang, Jinsong. (2025). A versatile synthetic data generation framework for crack detection[J]. Engineering Structures, 344: 121428. (SCI中科院1区top)

[3]     Xie, Jiawei; Giacomini, Anna; Jiang, Shui-Hua; Zhang, Yuting; Huang, Jinsong. (2026). Fast trace mapping on 3D rock point clouds using anomaly detection without normal estimation[J]. Engineering Geology, 361: 108492. (SCI中科院1区top)

[4]     Xie, Jiawei; Chen, Baolin; Jiang, Shui-Hua; Guo, Hongyu; Xie, Si; Huang, Jinsong. (2025). Enhancing data reuse in tunnelling site investigation through transfer learning-based historical data mining[J]. Underground Space, 23: 161-174. (SCI中科院1区top)

[5]     Xie, Jiawei; Huang, Jinsong; Jiang, Shui-Hua; Zhang, Yuting; Meng, Jingjing. (2026). Soil stratification from sparse boreholes based on transition probability-informed machine learning[J]. Journal of Geotechnical and Geoenvironmental Engineering, 152(3): 04025204. (SCI中科院2区)

[6]     Xie, Jiawei; Zeng, Cheng; Huang, Jinsong; Zhang, Yuting; Lu, Jianlin. (2024). A back analysis scheme for refined soil stratification based on integrating borehole and CPT data[J]. Geoscience Frontiers, 15(1): 101688. (SCI中科院1区top)

[7]     Xie, Jiawei; Huang, Jinsong; Zhang, Fuxiang; He, Jixiang; Kang, Kaifeng; Sun, Yunqiang. (2024). Enhancing the resolution of sparse rock property measurements using machine learning and random field theory[J]. Journal of Rock Mechanics and Geotechnical Engineering, 16(10): 3924-3936. (SCI中科院1区top)

[8]     Xie, Jiawei; Huang, Jinsong; Griffiths, Denwood Vaughan. (2023). Learning from prior geological information for geotechnical soil stratification with tree-based methods[J]. Engineering Geology, 327: 107366. (SCI中科院1区top)

[9]     Xie, Jiawei; Huang, Jinsong; Lu, Jianlin; Burton, Glen; Zeng, Cheng; Wang, Yankun. (2022). Development of two-dimensional ground models by combining geotechnical and geophysical data[J]. Engineering Geology, 300: 106579. (SCI中科院1区top)

[10]  Xie, Jiawei; Huang, Jinsong; Zeng, Cheng; Huang, Shan; Burton, Glen J. (2022). A generic framework for geotechnical subsurface modeling with machine learning[J]. Journal of Rock Mechanics and Geotechnical Engineering, 14(5): 1366-1379. (SCI中科院1区top)

[11]  Xie, Jiawei; Huang, Jinsong; Jiang, Shui-Hua; Zhang, Yuting; Meng, Jingjing. (2026). Probabilistic Soil Property Prediction Using Multi-fidelity Gaussian Process Regression and Multiple Imputation by Chained Equations[J]. Geodata and AI, 100062.

[12]  Xie, Jiawei; Huang, Jinsong; Zeng, Cheng; et al. (2020). Systematic literature review on data-driven models for predictive maintenance of railway track: Implications in geotechnical engineering[J]. Geosciences, 10(11): 425. 

[13]  Xie, Jiawei; Huang, Jinsong. (2026). Data-driven approaches for site characterization. In: Mohamed Shahin, Rodaina Aboul Hosn (Eds.), Advances in Computational Geomechanics: Advanced Computational Techniques and Methodologies in Geotechnical Engineering[M]. Elsevier, Chapter 9: 425-475.

[14]  Zeng, Cheng; Zhao, Guohan; Xie, Jiawei*; Huang, Jinsong; Wang, Yankun. (2023). An explainable artificial intelligence approach for mud pumping prediction in railway track based on GIS information and in-service train monitoring data[J]. Construction and Building Materials, 401: 132716. (SCI中科院1区top)

[15]  Fu, Jinyang; Xie, Jiawei; Wang, Shuying; Yang, Junsheng; Yang, Feng; Pu, Hao. (2019). Cracking performance of an operational tunnel lining due to local construction defects[J]. International Journal of Geomechanics, 19(4): 04019019. 

[16] Xie, Jiawei; Huang, Jinsong; et al. (2024). Bayesian neural networks for spatial interpolation and uncertainty quantification of sparse geotechnical data[C]. International Symposium on Reliability Engineering and Risk Management (ISRERM 2024), Hefei, China. (Invited Talk)

[17] Xie, Jiawei; Huang, Jinsong; et al. (2022). Ground models by combining geotechnical and geophysical data[C]. International Conference on Soil Mechanics and Geotechnical Engineering (ICSMGE 2022), Sydney, Australia. (Invited Talk)

[18] Xie, Jiawei; Huang, Jinsong; et al. (2024). A deep learning and reverse image search framework for efficient utilization of archived tunneling site investigation data[C]. 2nd Workshop on Future of Machine Learning in Geotechnics & 5th Machine Learning in Geotechnics Dialogue (2FOMLIG & MLIGD), Chengdu, China.

[19] Xie, Jiawei; Huang, Jinsong; et al. (2023). Inferring Gaussian process kernel parameters for missing geotechnical data prediction[C]. Geo-Risk 2023: Advances in Theory and Innovation in Practice, Arlington, Virginia.

[20] Xie, Jiawei; Huang, Jinsong; et al. (2022). Gaussian process regression and kernel selection for missing geotechnical data prediction[C]. 8th International Symposium for Geotechnical Safety & Risk (ISGSR 2022), Newcastle, Australia. 


招生信息

我计划每年招收 1 名博士研究生及 3-5 名硕士研究生，欢迎对 AI +（水工）岩土工程方向感兴趣的同学联系报考。

团队背景

  • 高水平平台：加入本课题组的学生将同时加入由周创兵院士领衔的“南昌大学岩土力学与工程创新团队”，依托国家级学术平台开展前沿研究。

  • 悉心指导：你将获得一对一的深度指导。我会协助你依托成熟的科研 Idea 与代码储备，快速开启高质量课题，少走弯路。

研究方向

  1. 岩土体数智建模：融合人工智能（AI）、地理信息系统（GIS）与精细化地质建模技术，实现复杂岩土环境的数字化重构。

  2. 边坡/隧道数字孪生：构建现场监测数据与数值模型的实时映射体系，实现工程结构的动态演化模拟。

  3. 智能监测与风险评估：利用新型传感器技术与大数据挖掘，对工程灾变进行高精度预测与定量化风险评价。

  4. 工程智能体（AI Agents）研究：探索基于大模型与 Agent 技术的工程辅助决策方法，实现从数据驱动到自主决策的跨越。

  5. 开放性探索：如果你对相关交叉领域有强烈的兴趣和独特的见解，支持自主命题研究。

期望的你

  • 技术基础：熟悉一门编程语言（如 Python），或者数值模拟技术，对数据处理、算法或编程有较好的直觉。

  • 核心素质：具备强烈的自驱力，爱钻研，愿意沉下心来解决真实的工程难题。

  • 学科背景：欢迎水利工程、土木工程、工程力学、计算机、数学等相关背景的同学。

我能提供的支持

  • 充足的经费保障：提供具有竞争力的科研津贴，无需担心生活压力，专注学习研究。

  • 顶配硬件条件：配备个人高性能工作站及团队 GPU 算力平台的自主使用权。

  • 丰富的项目资源：参与多项国家级、省部级及重大工程项目，接触最真实的工程痛点。

  • 国际化视野：我有多年海外知名高校科研工作经历，将尽力资助优秀学生参加国际会议，并推荐至海外名校交流或深造。

  • 轻松学术氛围：倡导平等、开放的讨论，尊重个人生活与科研节奏的平衡。

联系方式

有意向的同学请将以下材料发送至我的邮箱：xiejiawei@ncu.edu.cn

  1. 个人简历（包含教育背景、科研/项目经历、获奖情况、技能等）；

  2. 本科及研究生成绩单；

  3. 代表性成果（如已发表的论文、竞赛获奖证明或开源代码仓库等，如有请附上）。

期待与你共同探索数智岩土的未来！