一种基于时空融合的滑坡位移预测方法

AITNT
正文
推荐专利
一种基于时空融合的滑坡位移预测方法
申请号:CN202410892972
申请日期:2024-07-04
公开号:CN118863149A
公开日期:2024-10-29
类型:发明专利
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
1
一种有色金属合金压铸件的优化抛光方法及系统
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
2
基于北斗短报文与PID传感的农药残留监测装置及方法
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
3
一种根据视频图像素材查找相关视频的方法和系统
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
4
一种基于机器学习算法的建筑裂缝早期预测与修复方法
量子态 机器学习算法 修复方法 时空残差网络 裂缝
5
一种基于深度学习模型的北极海冰预测算法
深度学习模型 多源融合 特征提取网络 算法 输入模块
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号