基于LSTM-SARIMA混合数据驱动模型的滑坡灾害预警方法

本发明公开了一种基于LSTM‑SARIMA混合数据驱动模型的滑坡灾害预警方法。采用滑动平均与小波变换相结合的两阶段降噪方法，对雷达位移监测数据进行全局与局部噪声剔除，有效提高信噪比；利用Hodrick‑Prescott(HP)滤波方法将边坡位移数据分解为重力主导的趋势项与受环境影响的周期项，实现多因子作用机制的区分分析；提出长短期记忆网络(LSTM)与季节性自回归综合移动平均模型(SARIMA)相结合的混合预测模型，对分解后的位移分量分别进行建模与预测，融合结果以获得高精度的总位移预测值；基于预测的位移–时间曲线构建改进的T–t曲线，并依据Saito三阶段理论提出滑坡预警用切线角指标，实现量化、可解释的预警判据设定。