基于多源数据与人工智能的公路边坡变形预测方法

本发明提供一种基于多源数据与人工智能的公路边坡变形预测方法，分别获取目标边坡在第一时刻的第一地质信息、第一位移数据、第一应力分布数据和第一降雨量；以及在第二时刻的第二地质信息、第二位移数据、第二应力分布数据和第二降雨量；获取第一时刻和第二时刻之间的气象变化数据、图像监和视频监测数据，根据上述多源数据计算综合变形因子，再根据综合变形因子使用深度学习神经网络模型预测目标边坡的变形趋势。本发明通过整合多源数据，包括地质信息、位移、应力、降雨、图像和视频监测数据，结合人工智能算法对公路边坡进行变形预测，显著提升了边坡变形预测的精准性和实时性，满足了复杂环境下的安全管理需求。