基于改进机器学习算法的边坡失稳滑动实时预警方法

本发明公开了一种基于改进机器学习算法的边坡失稳滑动实时预警方法，S1.输出一致化边坡监测数据集；S2.基于一致化边坡监测数据集及各传感器的空间位置信息构建边坡监测图结构；S3.输出边坡状态特征向量；S4.利用自适应粒子群优化算法对动态图注意力残差图卷积神经网络模型的关键参数进行在线优化输出经优化的动态图注意力残差图卷积神经网络模型；S5.重新映射一致化边坡监测数据集生成新的边坡状态特征向量，依据边坡状态特征向量与预警阈值之间的比较结果判定边坡状态中的失稳滑动风险，并生成边坡失稳实时预警信息。本发明有效避免了在状态稳定区域建立过多无效连接的风险，增强了边坡图在实际失稳趋势中的物理合理性和异常捕捉能力。