买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明涉及地质灾害防治技术领域，且公开了一种基于时空融合的滑坡位移预测方法，包括以下步骤：数据采集模块按照预测范围划分D个监测区域，并采集滑坡位移数据组成监测数据集，计算生成长期降雨强度CQ、短期降雨强度DQ、库水位标准差BZC和库水位周期同比差TBC后组成特征数据集，预测分析模块分别使用LSTM深度学习模型和GCN深度学习模型捕捉滑坡空间依赖特征和动态时间变化特征，融合输出模块按照不同权重得到融合模型Rhmx，再训练输出预测结果Ycjg，时空融合分析预测精度高，融合输出模块计算MAPE和RMSE，全面评估模型预测性能，预测模型泛化能力强。

主权项：1.一种基于时空融合的滑坡位移预测方法，其特征在于：包括以下步骤：S1、数据采集模块按照预测范围划分D个监测区域，并采集每个监测区域的滑坡位移数据组成监测数据集，滑坡位移数据包括位移数据、库水位数据和降雨数据；S2、数据采集模块再根据滑坡位移数据集计算生成长期降雨强度CQ、短期降雨强度DQ、库水位标准差BZC和库水位周期同比差TBC，并组成特征数据集后通过网络将监测数据集和特征数据集传输至预测分析模块；S3、预测分析模块使用GCN深度学习模型分析不同滑坡位移监测区域之间的拓扑关系，针对路网拓扑结构、监测数据集和特征数据集进行特征提取和编码，捕捉滑坡空间依赖，并进行存储；S4、预测分析模块使用LSTM深度学习模型分析不同滑坡位移监测区域的时间变化趋势，针对监测数据集捕捉动态的时间变化特征，预测分析模块通过网络将GCN深度学习模型、GCN深度学习模型提取的滑坡空间依赖特征数据、LSTM深度学习模型和LSTM深度学习模型捕捉的动态时间变化特征数据传输至融合输出模块；S5、融合输出模块按照不同权重融合GCN深度学习模型和LSTM深度学习模型得到融合模型Rhmx，再将监测数据集和特征数据集代入融合模型Rhmx训练输出预测结果Ycjg；S6、融合输出模块设置指标阈值作为模型精度评估标准，再结合监测数据集和预测结果Ycjg计算生成MAPE和RMSE，评估模型的预测精度，若MAPE和RMSE均低于指标阈值，判断模型预测精度高，并通过网络输出预测结果Ycjg、滑坡空间依赖特征数据和动态时间变化特征数据，若MAPE和RMSE中任意一项数值高于指标阈值，判断模型预测精度低，重新假设权重指数后更新融合模型Rhmx，直至模型预测精度高。

全文数据：

权利要求：

百度查询： 重庆大学 一种基于时空融合的滑坡位移预测方法