基于深度学习的滑坡位移时空预测

滑坡变形监测数据是认识滑坡变形演化规律的直接依据, 对该数据深度挖掘是实现滑坡灾害预警预报的有力保障。现有的滑坡位移预测模型多局限于单个监测点的时序预测, 且未考虑监测点间的空间相关性。针对上述问题, 本文提出了一种基于深度学习的滑坡位移时空预测模型: 首先, 构建表达所有点间空间相关性的加权邻接矩阵; 其次, 引入外界影响因素加强属性特征矩阵, 以构建图结构数据; 最后, 采用集合图卷积网络(GCN)和门控循环单元(GRU)的深度学习模型, 并通过多组试验寻找最优超参数, 实现滑坡位移的时空预测。本文模型结果的均方根误差为4.429mm, 与对比模型相比至少降低了47.3%。而消融试验结果也...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Ce hui xue bao 2022-10, Vol.51 (10), p.2160-2170
Hauptverfasser:	罗袆沅, 蒋亚楠, 许强, 廖露, 燕翱翔, 刘陈伟
Format:	Artikel
Sprache:	chi ; eng
Schlagworte:	Ablation Augmentation Correlation Deep learning Deformation Displacement Geological hazards Landslides Monitoring Prediction models Root-mean-square errors
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!