摘要
本发明涉及地质灾害防治技术领域,且公开了一种基于时空融合的滑坡位移预测方法,包括以下步骤:数据采集模块按照预测范围划分D个监测区域,并采集滑坡位移数据组成监测数据集,计算生成长期降雨强度CQ、短期降雨强度DQ、库水位标准差BZC和库水位周期同比差TBC后组成特征数据集,预测分析模块分别使用LSTM深度学习模型和GCN深度学习模型捕捉滑坡空间依赖特征和动态时间变化特征,融合输出模块按照不同权重得到融合模型Rhmx,再训练输出预测结果Ycjg,时空融合分析预测精度高,融合输出模块计算MAPE和RMSE,全面评估模型预测性能,预测模型泛化能力强。
技术关键词
滑坡位移预测方法
深度学习模型
时间变化特征
依赖特征
滑坡位移监测
路网拓扑结构
分析模块
输出模块
数据采集模块
地质灾害防治技术
强度
周期
拓扑结构信息
表达式
动态
指数
指标
平方根
网络
系统为您推荐了相关专利信息
有色金属合金
铸件表面缺陷
激光抛光设备
视觉检测系统
抛光方法
农药残留监测方法
北斗短报文
农药残留浓度
果蔬农药残留
数据传输策略
视频图像素材
关键帧
深度学习模型
匹配模块
特征提取模块
量子态
机器学习算法
修复方法
时空残差网络
裂缝
深度学习模型
多源融合
特征提取网络
算法
输入模块