公开(公告)号：CN119272212B

公开(公告)日：2025-03-14

申请号：CN202411803512.1

申请日：2024-12-10

Applicant: 中南林业科技大学

Inventor： 易文 ,  黄盎峰 ,  杜撰文 ,  张红武

IPC: G06F18/2433 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明公开了一种基于深度学习的边坡监测方法及系统，包括S1：获取边坡位移原始数据，并对其进行季节划分与重采样，得到预处理后的边坡位移数据；S2：对所述预处理后的边坡位移数据进行季节性分解，提取季节特征；S3：构建融合季节特征的边坡监测网络，提取边坡特征向量，并将边坡特征向量输入到全连接层中，获取边坡位移数据预测值；S4：设定所述融合季节特征的边坡监测网络的优化目标；S5：获取所述融合季节特征的边坡监测网络的参数，并基于自适应学习率优化算法优化所述融合季节特征的边坡监测网络的参数。本发明解决了边坡监测由于忽略季节变化影响带来的精度不足的问题。

公开(公告)号：CN119272212A

公开(公告)日：2025-01-07

申请号：CN202411803512.1

申请日：2024-12-10

Applicant: 中南林业科技大学

Inventor： 易文 ,  黄盎峰 ,  杜撰文 ,  张红武

IPC: G06F18/2433 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明公开了一种基于深度学习的边坡监测方法及系统，包括S1：获取边坡位移原始数据，并对其进行季节划分与重采样，得到预处理后的边坡位移数据；S2：对所述预处理后的边坡位移数据进行季节性分解，提取季节特征；S3：构建融合季节特征的边坡监测网络，提取边坡特征向量，并将边坡特征向量输入到全连接层中，获取边坡位移数据预测值；S4：设定所述融合季节特征的边坡监测网络的优化目标；S5：获取所述融合季节特征的边坡监测网络的参数，并基于自适应学习率优化算法优化所述融合季节特征的边坡监测网络的参数。本发明解决了边坡监测由于忽略季节变化影响带来的精度不足的问题。