一种基于LSTM-GCN-Attention的边坡变形时空预测方法

本发明公开了一种基于LSTM‑GCN‑Attention的边坡变形时空预测方法，属于边坡预测技术领域，该方法从全站仪布控三角观测网监测边坡变形数据入手，采用自适应滑动窗口的双向平均插值法对监测数据进行扩充，结合长短期记忆神经网络(LSTM)和图卷积神经网络(GCN)的在捕捉时间序列及空间结构特征方面的优势，并引入注意力机制增强模型对重要时空特征的关注能力，动态调整节点及特征权重，使预测结果更具解释性和鲁棒性。为类似边坡变形时空同步预测提供了精细化分析途径。