首页|结合注意力机制和Bi-LSTM的降雨型滑坡位移预测

结合注意力机制和Bi-LSTM的降雨型滑坡位移预测

Rainfall landslide deformation prediction based on attention mechanism and Bi-LSTM

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
受季节降雨波动和邻近点位的牵引作用影响,滑坡位移呈阶梯状变化趋势.为有效预测该类滑坡的位移,本文提出一种基于注意力机制的双向长短时记忆(Bi-LSTM)神经网络位移预测模型.首先,建立滑坡监测累计位移时间序列模型,将滑坡累计位移分解为趋势项和周期项;然后,分析滑坡因子与趋势项及周期项的相关性,采用多项式回归对趋势项进行拟合,通过基于注意力机制的Bi-LSTM对周期项进行预测.试验结果表明:基于注意力机制的Bi-LSTM预测模型具有稳健的泛化能力,能有效捕获不同时序数据间的相关性;预测结果精度平均绝对误差为0.088 mm,平均均方误差为0.042 mm,相比常规的长短时记忆(LSTM)神经网络模型,本文方法的预测结果精度更高.

唐菲菲、唐天俊、朱洪洲、胡川、马英、李昕

展开 >

重庆交通大学智慧城市学院,重庆400074

重庆工商职业学院城市建设工程学院,重庆400052

重庆交通大学交通土建工程材料国家地方联合工程实验室,重庆400074

长安大学地质工程与测绘学院,陕西 西安710054

展开 >

降雨型滑坡 位移预测 时间序列分解 注意力机制 双向长短时记忆神经网络

2021YFB2600603KJQN201900728

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(9)
  • 5
  • 10