公开(公告)号：CN116956046B

公开(公告)日：2023-12-29

申请号：CN202311147477.8

申请日：2023-09-07

Applicant: 西南交通大学

Inventor： 程印 ,  杨雨恒 ,  贾政鹏 ,  甘展鹏 ,  袁冉 ,  何毅 ,  陈志雄

IPC: G06F18/214 ,  G06Q10/04 ,  G06Q10/0631 ,  G06Q50/26 ,  G06N3/044

Abstract: 本发明提供了一种基于循环神经网络的地震滑坡危险性分析方法及装置，涉及地震滑坡分析领域，本方法包括：获取初始地震动数据集、各个旋转角度和待分析边坡的地质信息；对初始地震动数据集进行提取得到地震动数据输入集；根据地震动数据输入集和预设的临界加速度数据集构成模型训练输入数据集；根据预设滑坡模型对各个旋转角度进行计算，得到模型训练输出数据集；将模型训练输入数据集和模型训练输出数据集代入预设的双向循环神经网络中进行训练，得到地震滑坡位移预测模型；将待分析边坡的地质信息输入至地震滑坡位移预测模型中，得到待分析边坡的指定坡向永久位移值。本方法考虑了(56)对比文件JP 2021162591 A,2021.10.11US 2021026027 A1,2021.01.28刘爱娟 等.考虑动态临界加速度的地震边坡永久位移预测模型研究《.地震工程学报》.2021,第43卷(第2期),445-452.李璐.基于机器学习法的黑方台典型滑坡体易发 性评价及高精度位移预测分析《.自然灾害学报》.2023,(第2023年06期),A008-109.Ning Xi 等.Machine LearningApproaches for Slope DeformationPrediction Based on Monitored Time-SeriesDisplacement Data: A ComparativeInvestigation《.applied sciences》.2023,1-19.Wenli Ma 等.Landslide DisplacementPrediction With Gated Recurrent Unit andSpatial-Temporal Correlation《.Frontiersin Earth Science》.2022,1-9.Yin Cheng 等.Prediction Models ofNewmark Sliding Displacement of SlopesUsing Deep Neural Network and Mixed-effect Regression《.Computers andGeotechnics》.2023,1-16.Yu Huang 等.Recurrent neural networksfor complicated seismic dynamic responseprediction of a slope system《.EngineeringGeology》.2021,1-14.

公开(公告)号：CN116956046A

公开(公告)日：2023-10-27

申请号：CN202311147477.8

申请日：2023-09-07

Applicant: 西南交通大学

Inventor： 程印 ,  杨雨恒 ,  贾政鹏 ,  甘展鹏 ,  袁冉 ,  何毅 ,  陈志雄

IPC: G06F18/214 ,  G06Q10/04 ,  G06Q10/0631 ,  G06Q50/26 ,  G06N3/044

Abstract: 本发明提供了一种基于循环神经网络的地震滑坡危险性分析方法及装置，涉及地震滑坡分析领域，本方法包括：获取初始地震动数据集、各个旋转角度和待分析边坡的地质信息；对初始地震动数据集进行提取得到地震动数据输入集；根据地震动数据输入集和预设的临界加速度数据集构成模型训练输入数据集；根据预设滑坡模型对各个旋转角度进行计算，得到模型训练输出数据集；将模型训练输入数据集和模型训练输出数据集代入预设的双向循环神经网络中进行训练，得到地震滑坡位移预测模型；将待分析边坡的地质信息输入至地震滑坡位移预测模型中，得到待分析边坡的指定坡向永久位移值。本方法考虑了坡向对地震滑坡危险性分析的影响，提高了预测精度。