公开(公告)号：CN115048866B

公开(公告)日：2025-05-13

申请号：CN202210686251.4

申请日：2022-06-16

Applicant: 长安大学

Inventor： 黄达 ,  何俊 ,  郭子正 ,  彭建兵 ,  杨玉飞

IPC: G06F30/27 ,  G06N3/0442 ,  G06Q10/04

Abstract: 本发明提供了一种滑坡地表变形影响因素权重的计算方法，属于工程地质技术领域，解决了由滑坡影响因素对位移的贡献相同进行滑坡位移预测从而造成结果不准确性这一技术问题。构建基于注意力的LSTM模型，包括：两个LSTM模型，将这些外部因素的时间序列数据输入基于注意力的LSTM模型用于模型的训练，最终得到滑坡的位移预测模型；基于注意力的LSTM模型输出不同外部因素的权重并判断不同的外部因素对于滑坡位移的影响，从而实现滑坡位移的有效预测。本发明根据历史监测数据能计算出各种外部因素在滑坡位移预测中所占的权重，然后根据权重大小判断出各种因素对滑坡位移预测的影响程度，最后能有效地进行滑坡位移预测。

公开(公告)号：CN115049128B

公开(公告)日：2025-05-06

申请号：CN202210686409.8

申请日：2022-06-16

Applicant: 长安大学

Inventor： 黄达 ,  何俊 ,  郭子正 ,  彭建兵 ,  杨玉飞

IPC: G08B21/10 ,  G08B31/00 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供了一种滑坡地表变形空间区域权重的计算方法，属于工程地质技术领域。该方法首先从滑坡监测系统中获取各个监测点的变形数据，将监测点的变形数据按照其空间分布处理为不同通道的时间序列数据输入到卷积神经网络(CNN)模型中进行处理；将经过卷积神经网络(CNN)模型处理后的数据作为输入数据，输入到改进的卷积注意模块(ICBAM)中进行计算，最后输出滑坡各个监测点的位移预测值以及各个监测点所在区域在滑坡地表变形中所占的权重。本发明根据监测数据计算出监测点所在区域在滑坡位移预测中所占的权重，根据权重大小判断出该区域对滑坡位移预测的影响程度，最后能有效地进行滑坡位移预测。

公开(公告)号：CN115049128A

公开(公告)日：2022-09-13

申请号：CN202210686409.8

申请日：2022-06-16

Applicant: 长安大学

Inventor： 黄达 ,  何俊 ,  郭子正 ,  彭建兵 ,  杨玉飞

IPC: G06Q10/04 ,  G06N3/04

Abstract: 本发明提供了一种滑坡地表变形空间区域权重的计算方法，属于工程地质技术领域。该方法首先从滑坡监测系统中获取各个监测点的变形数据，将监测点的变形数据按照其空间分布处理为不同通道的时间序列数据输入到卷积神经网络(CNN)模型中进行处理；将经过卷积神经网络(CNN)模型处理后的数据作为输入数据，输入到改进的卷积注意模块(ICBAM)中进行计算，最后输出滑坡各个监测点的位移预测值以及各个监测点所在区域在滑坡地表变形中所占的权重。本发明根据监测数据计算出监测点所在区域在滑坡位移预测中所占的权重，根据权重大小判断出该区域对滑坡位移预测的影响程度，最后能有效地进行滑坡位移预测。

公开(公告)号：CN115048866A

公开(公告)日：2022-09-13

申请号：CN202210686251.4

申请日：2022-06-16

Applicant: 长安大学

Inventor： 黄达 ,  何俊 ,  郭子正 ,  彭建兵 ,  杨玉飞

IPC: G06F30/27 ,  G06N3/04 ,  G06Q10/04

Abstract: 本发明提供了一种滑坡地表变形影响因素权重的计算方法，属于工程地质技术领域，解决了由滑坡影响因素对位移的贡献相同进行滑坡位移预测从而造成结果不准确性这一技术问题。构建基于注意力的LSTM模型，包括：两个LSTM模型，将这些外部因素的时间序列数据输入基于注意力的LSTM模型用于模型的训练，最终得到滑坡的位移预测模型；基于注意力的LSTM模型输出不同外部因素的权重并判断不同的外部因素对于滑坡位移的影响，从而实现滑坡位移的有效预测。本发明根据历史监测数据能计算出各种外部因素在滑坡位移预测中所占的权重，然后根据权重大小判断出各种因素对滑坡位移预测的影响程度，最后能有效地进行滑坡位移预测。