基于多测点时空模态信息的阶跃式滑坡位移预测方法

本发明公开一种基于多测点时空模态信息的阶跃式滑坡位移预测方法，首先采集布设在滑坡区域内的测点位移数据和环境监测数据，采用SSA‑VMD降低系统的冗余信息熵，将阶跃式滑坡的多个测点的日累计位移分解为位移模态集；对位移模态集和环境监测数据进行Pearson相关性分析和Granger因果分析，筛选有效的驱动变量；向已构建好的CNN‑Informer网络输入有效驱动变量，对目标测点的各位移模态进行预测；最终，通过时序叠加重构得到目标测点的累计位移预测值。该方法能够通过模态分解和稀疏注意力机制，降低日尺度下系统冗余信息熵对预测的干扰，同时能够进一步挖掘深层次多测点间的时空特征，进行属性增强，有效解决了日尺度下阶跃式滑坡位移预测模型精度不足、稳定性差的问题。