人民黄河

作者：肖金涛, 王自法, 王超, 赵登科, 李兆焱

单位：1.河南大学 土木建筑学院,河南 开封 475004;2.中震科建广东防灾减灾研究院,广东 韶关 512026;3.中国地震局工程力学研究所,黑龙江 哈尔滨 150080

关键词：位移预测,CNN,BIGRU,Attention,大沙窝滑坡,呷任依村滑坡

基金：国家自然科学基金面上项目(52378544);中国地震局工程力学研究所基本科研业务费专项(2021B09)<br>

为研究降水对滑坡的影响,基于大沙窝滑坡日降水量和位移数据,采用移动平均法将位移分解为趋势项位移和周期项位移,采用卷积神经网络(CNN)预测趋势项位移,采用带有注意力机制(Attention)的卷积神经网络-双向门控循环单元(CNN-BIGRU)模型预测周期项位移,通过叠加趋势项位移和周期项位移得到最终预测位移结果。采用斯皮尔曼相关系数结合滞后性研究分析变量间的滞后关系。以BIGRU-Attention、门控循环单元(GRU)、长短期记忆网络(LSTM)模型为对照,比较CNN-BIGRU-Attention模型预测周期项位移的精确性。结果表明:CNN模型预测以3、6、12 h步长的趋势项位移的R2值分别为0.992、0.977、0.965;CNN-BIGRU-Attention模型预测以3、6、12 h步长的周期项位移的R2值分别为0.963、0.939、0.896,预测精度均高于BIGRU-Attention、GRU、LSTM模型;基于呷任依村滑坡监测数据,验证了CNN-BIGRU-Attention模型的泛化性。

来源：2025年第3期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第3期