文献类型：期刊文章

作　　者：田原[1,2] 庞骁[1,2] 赵文祎[3] 常啸寅[1,2] 程楚云[1,2] 邹佩[4,5] 曹晓澄[1,2]

TIAN Yuan;PANG Xiao;ZHAO Wenyi;CHANG Xiaoyin;CHENG Chuyun;ZOU Pei;CAO Xiaocheng(Institute of Remote Sensing and Geographical Information Systems,Peking University,Beijing 100871;Beijing Key Laboratory of Spatial Information Integration and Its Applications,Beijing 100871;China Institute of Geo-Environment Monitoring,Beijing 100081;School of Computer Science,Peking University,Beijing 100871;Key Lab of Computational Linguistics(MOE),Beijing 100871)

机构地区：[1]北京大学遥感与地理信息系统研究所,北京100871 [2]空间信息集成与3S工程应用北京市重点实验室,北京100871 [3]中国地质环境监测院,100081 [4]北京大学计算机学院,100871 [5]计算语言学教育部重点实验室,北京100871

出　　处：《北京大学学报（自然科学版）》

基　　金：中国地质调查局地质调查项目(DD20211364);国家重点研发计划(2021YFC3000504-02)资助。

年　　份：2023

卷　　号：59

期　　号：2

起止页码：197-210

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：通过将时序卷积网络(TCN)与Transformer解码器进行组合,提出一种基于Transformer的滑坡短期位移预测模型。将预处理过的位移与降雨序列作为模型的输入,以时序自回归方式输出未来3日的位移预测结果。实验结果表明,与支持向量机(SVM)和长短期记忆(LSTM)等传统模型相比,该模型精度较高,在快速变形期的预测优势尤为突出。对模型注意力机制的分析结果表明,模型关注的重点在位移峰值和大降雨附近,具有较高的可信度。

关 键 词：边坡工程 滑坡位移 短期预测  TRANSFORMER 注意力机制  

分 类 号：P642.22]