研究将盾构施工地表沉降分解为盾构推力、盾壳摩阻、地层损失和同步注浆四个分量，基于Mindlin解和Sagaseta解推导各分量计算公式并叠加建立整体坐标系下的理论计算模型。参数分析显示地层损失与同步注浆合计约占总沉降的80%~90%，推力与摩阻分别约占3%~6%和5%~7%；埋深由18 m减至6 m时总沉降增幅达76.5%，开挖半径由3.2 m增至3.5 m时总沉降增加156%。
推荐理由：把盾构地表沉降拆成推力、摩阻、地层损失与注浆四项并给出解析解，可对照各分量占比判断控制重点。
研究提出一种基于复变函数与Maxwell-Betti功互等定理的矩形隧道施工地表沉降预测方法，先构建两种受力状态下的二维计算模型，再用保角变换将矩形隧道映射为圆形推导洞身位移，并改进Sagaseta法以适用于矩形隧道，结合功互等定理推导地层损失计算式。
推荐理由：针对矩形隧道地表沉降预测精度不足，提出复变函数与功互等定理结合的方法，并用数值模拟与实测数据验证。
研究以赵楼煤矿西部露头薄基岩区为对象，构建6种不连续不等厚底黏和1种连续不等厚底黏模型，用三维数值模拟分析底黏对山西组3号煤层覆岩破坏的控制作用。结果显示，只要存在一定厚度底黏，垮落带最大高度、最大竖直应力及最大竖直位移均显著降低，并在底黏厚度8 m处出现拐点。作者指出，一定厚度底黏能扩散采动应力集中、耗散变形能，从而抑制垮落带发育，无底黏时溃水溃砂风险显著增加。
推荐理由：通过7种概化模型的数值模拟，量化了底黏厚度对垮落带高度的抑制规律及8 m拐点，可供薄基岩区开采设计参考。
针对黏土场地海上风电单桩基础在循环荷载下的变形问题，Lu Chen、Guoliang Dai、Chengshun Xu 与 Wenbo Zhu 在 Computers and Geotechnics 第 203 卷 Part 1 发表研究。成果聚焦循环加载条件下单桩基础的变形响应，为黏土场地海上风电单桩设计提供参考。
针对悬浮能量桩的沉降问题，研究提出热塑性稳定化（TSL）增强本构模型并开展有限元分析。该模型用于描述温度循环下桩周土的热塑性变形与桩顶沉降发展。论文作者为 Xudong Zhao、Shuai Zhang、Jiaxin Liao 与 Jiajun Pan，成果刊于 Computers and Geotechnics 第 203 卷 Part 1。
针对开挖引起任意地层位移场下埋地管道的双轴响应，提出一种管–土相互作用求解方法，并利用稀疏现场沉降监测数据进行贝叶斯更新。该解可处理任意位移场输入，通过稀疏监测点反演修正管–土相互作用模型参数。
针对真空预压处理地基，提出一种以沉降信息为约束、边界自适应的超孔压预测方法。该方法利用实测沉降反演调整计算边界，实现真空预压过程中超静孔压的动态预测。研究由 Mincai Jia 等完成，刊于 Computers and Geotechnics 第 203 卷第 1 部分。
针对闭坑矿山残余变形预测，提出一种机理与数据协同的时序InSAR预测方法。该方法将时序InSAR观测与变形机理模型耦合，用于识别和预测闭坑矿山的残余变形。
研究在布里斯班港填海海岸基础设施中联合使用 Sentinel-1 InSAR 与 IoT-GNSS 传感器监测地层位移。该案例将卫星 InSAR 与物联网 GNSS 监测手段集成，用于填海造陆形成的基础设施场地。
研究提出将因果特征选择与Kolmogorov–Arnold Networks结合，用于可解释的地表位移预测。该方法通过因果特征选择筛选输入变量，并以Kolmogorov–Arnold Networks建立预测模型，从而提升预测结果的可解释性。
研究以开放获取遥感数据探测并评估西班牙东南部Monóvar城区的盐溶诱发沉降。该工作由Tomás、Pastor、Gutiérrez等完成，成果发表于Engineering Geology第374卷。
基于分层水–土流失的定量识别，揭示了钻孔诱发地层沉降的特征与机制。研究由 Yaohui Wang 等开展，成果发表于 Engineering Geology 第 374 卷。
研究采用时序 InSAR 与可解释人工智能方法分析并建模埃及尼罗河三角洲的地面沉降危险性。案例覆盖整个尼罗河三角洲，成果发表于 Engineering Geology 第 374 卷。
以华能正宁电厂二期场地4.0~34.0m深厚层黄土为对象，研究先按单线法测定原状土样自重湿陷系数，再对传统固结仪加装振动荷载装置测得振动作用下的附加湿陷系数并计算湿陷量。结果显示各黄土土层自重叠加振动湿陷量与自重湿陷量之比为1.1~2.2倍，土层总湿陷量为自重湿陷量的1.6倍，可为有工程振动的黄土场地湿陷性评价提供参考。
推荐理由：通过加装振动荷载的固结仪测得附加湿陷系数，给出振动作用下黄土湿陷量可达自重湿陷量1.6倍的实测依据。
研究提出物理约束迁移学习（physics-constrained transfer learning）方法，用于在缺乏力学实测数据时间接估算页岩盖层泊松比υ，从而评估CO₂封存中盖层完整性。该方法针对页岩遇CO₂发生化学反应、盖层岩心稀缺且易失水等导致直接测量不可靠的问题，弥补了现有相关模型在页岩中R²不超过0.46的不足。
研究采用数据驱动机器学习模型预测储能盐穴的长期地表沉降，作者为Kai Zhao、Sihao Yu与Louis Ngai Yuen Wong，成果发表于Journal of Rock Mechanics and Geotechnical Engineering。
发表于 Journal of Rock Mechanics and Geotechnical Engineering 第18卷第10期的研究，由 Ruochen Jiang、Zhengdan Xu、Ming Peng 等作者完成，主题为冰碛型泥石流堆积体的长期沉降，涵盖其过程、内在机制与分析模型。当前仅见摘要信息，未提供具体试验数据或模型参数。
针对软土深基坑地表沉降预测，提出对时变模型偏差进行贝叶斯更新的方法以提升预测精度。该方法通过随开挖进程不断修正模型系统偏差，改善沉降预测的可靠性。研究由 Cheng Chen、Shuai Zhang 等完成，发表于 Journal of Rock Mechanics and Geotechnical Engineering 第 18 卷第 9 期。