海底滑坡严重威胁海洋基础设施安全，当前，模拟海底滑坡发生事基于评估特定场地滑坡可能性的方法，其目的在于项目开发前，提供识别和量化与地质灾害相关的区域特征要素。此外，受限于海上勘测活动的高成本，用于估算海底滑坡建模所需参数的调查数据通常有限，对海底滑坡的研究存在数据匮乏、建模复杂等问题。
美国得克萨斯大学的学者采用贝叶斯统计推断方法，结合地质、地球物理和遥感等数据，系统地校准海底滑坡模型参数，旨在最大化利用有限的现场调查数据对海底滑坡模型进行概率校准。研究认为，通过贝叶斯模型校准，能显著提高海底滑坡发生概率预测的准确性。另一方面，增加样本数量可降低参数的不确定性，且模型参数的设定值对滑坡深度和单位重量影响最大。该研究揭示了在不同深度和不同安全系数条件下，模型参数的变化情况，为海洋基础设施规划和设计提供了重要依据。
所提出的方法具有生成滑坡地质灾害图的潜力，可用于绘制物理参数的更新估计值，并改进管道布线或任何其他类型基础设施安装的决策过程。相关研究成果发表于《Landslides》[1]。
[1] Bayesian Model Calibration of Submarine
Landslides
