基于阶段性注意力机制的降雨型滑坡位移预测模型及方法技术

本发明专利技术提供一种基于阶段性注意力机制的降雨型滑坡位移预测模型，包括：数据预处理层，用于按时间序列将降雨型滑坡累计位移分解为趋势项、周期项；数据预测层，用于根据邻近点位移预测趋势项，得到趋势项位移预测值；用于根据降雨量预测周期项，得到周期项位移预测值；还用于将趋势项位移预测值、周期项位移预测值合并，得到监测点位的累计位移预测值；模型验证层，用于根据累计位移预测值、位移测量值的差值，对预测模型的参数进行优化；还提供了一种使用预测模型对降雨型滑坡位移进行预测的方法。本发明专利技术可以解决以解决现有技术中存在的LSTM滑坡位移预测模型对降雨型滑坡的预测精度不够高，长时间序列预测可靠性不稳定的技术问题。

【技术实现步骤摘要】
基于阶段性注意力机制的降雨型滑坡位移预测模型及方法
本专利技术涉及地质灾害预测
，具体涉及一种基于阶段性注意力机制的降雨型滑坡位移预测模型及方法。
技术介绍
滑坡是指斜坡上的土体或者岩体，受河流冲刷、地下水活动、雨水浸泡、地震及人工切坡等因素影响，在重力作用下，沿着一定的软弱面或者软弱带，整体或者分散地顺坡向下滑动的自然现象。随着模式识别及机器学习理论的发展，非线性理论被广泛运用在滑坡位移预测中，滑坡位移的预测理论和方法得到了快速的发展。现有技术CN110470259A，提供了一种基于LSTM的滑坡位移动态预测方法，首先，构建滑坡位移在线监测系统，并进行实时监测得到一个周期内完整的位移数据，通过3δ算法对采集的位移数据做异常值剔除处理，并进行归一化；然后，建立LSTM的滑坡位移预测模型，并进行训练；最后，将得到的归一化后的数据作为模型的输入量，输入到滑坡位移预测模型中，由预测模型对输入数据进行处理，实现对未来时期滑坡位移的预测。但是根据全国地质通报2019统计数据，我国90％左右的滑坡是由降雨诱发的，降雨型滑坡即降雨作用导致的滑坡本文档来自技高网...

【技术保护点】
1.一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，包括：数据预处理层、数据预测层、模型验证层；/n所述数据预处理层用于按时间序列将降雨型滑坡累计位移分解为趋势项、周期项；/n所述数据预测层用于根据邻近点位移预测趋势项，得到趋势项位移预测值；用于根据降雨量预测周期项，得到周期项位移预测值；还用于将所述趋势项位移预测值、周期项位移预测值合并，得到监测点位的累计位移预测值；/n所述模型验证层用于根据累计位移预测值、位移测量值的差值，对预测模型的参数进行优化。/n

【技术特征摘要】
1.一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，包括：数据预处理层、数据预测层、模型验证层；
所述数据预处理层用于按时间序列将降雨型滑坡累计位移分解为趋势项、周期项；
所述数据预测层用于根据邻近点位移预测趋势项，得到趋势项位移预测值；用于根据降雨量预测周期项，得到周期项位移预测值；还用于将所述趋势项位移预测值、周期项位移预测值合并，得到监测点位的累计位移预测值；
所述模型验证层用于根据累计位移预测值、位移测量值的差值，对预测模型的参数进行优化。


2.根据权利要求1所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，将所述趋势项位移预测值、周期项位移预测值合并，采用以下公式进行计算：
Xt＝St+Vt(1)
在上式中，Xt为累计位移，St为趋势项，Vt为周期项。


3.根据权利要求1所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，采用多项式回归法对趋势项进行预测，采用以下公式进行计算：
St＝a1S1+a2S2+a3S3+…+anSn-d
在上式中，St为监测点位的趋势项预测值，S1～Sn为临近点位的趋势项实测值，a1～an和d为系数。


4.根据权利要求1所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于：采用基于阶段性注意力机制的双向长短时记忆神经网络对周期项进行预测。


5.根据权利要求4所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于：所述基于阶段性注意力机制的双向长短时记忆神经网络，使用双向长短时记忆神经网络作为编码器、使用长短时记忆神经网络作为解码器，在编码器和解码器中引入阶段性注意力机制。


6.根据权利要求5所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于：在编码器和解码器中引入阶段性注意力机制，注意力机制层在t时刻处理过程满足如下公式：







...

【专利技术属性】
技术研发人员：唐菲菲，唐天俊，王锡斐，朱永亮，王云云，沈诚，宋平，李润杰，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：重庆;50