本发明提供一种基于语义信息驱动的滑坡位移预测模型,其构建方法如下:通过特征构造和特征组合,将滑坡监测数据转化为语义信息,得到单独组合样本、连续组合样本;采用滑动窗口方差算法将滑坡累计位移曲线划分为平缓阶段、加速阶段;对平缓阶段使用连续组合样本进行深层语义特征提取,对加速阶段使用单独组合样本进行深层语义特征提取;使用连续组合样本、单独组合样本深层语义特征对长短期记忆神经网络进行训练,得到语义信息驱动平缓阶段识别器、语义信息驱动加速阶段预测器;将识别器的输出结果作为交互开关,控制识别器和预测器协同工作。本发明可以解决对滑坡灾害预测不能区分平缓阶段与加速阶段,对加速阶段日位移量预测不够准确的问题。
1.一种基于语义信息驱动的滑坡位移预测模型的构建方法,其特征在于,包括以下步骤:S1、通过特征构造和特征组合,将滑坡监测数据转化为语义信息,得到按自然日划分的单独组合样本、考虑连续多个自然日为同一监测值的连续组合样本;S2、采用滑动窗口方差算法将滑坡累计位移曲线划分为平缓阶段、加速阶段;S3、对平缓阶段使用连续组合样本进行深层语义特征提取,得到连续组合样本深层语义特征;对加速阶段使用单独组合样本进行深层语义特征提取,得到单独组合样本深层语义特征;所述深层语义特征提取,包括:S3-1、使用词向量生成模型和相对位置编码对组合样本进行词嵌入处理,得到词嵌入层输出向量;S3-2、对词嵌入层输出向量采用多头注意力机制进行计算,得到多头注意力机制模块输出结果;S3-3、对多头注意力机制模块输出结果通过前向传播和层归一化,得到深层语义特征;S4、使用连续组合样本深层语义特征对长短期记忆神经网络进行训练,得到语义信息驱动平缓阶段识别器;使用单独组合样本深层语义特征对长短期记忆神经网络进行训练,得到语义信息驱动加速阶段预测器;S5、将语义信息驱动平缓阶段识别器的输出结果作为交互开关,通过交互开关控制语义信息驱动平缓阶段识别器和语义信息驱动加速阶段预测器协同工作,得到基于语义信息驱动的滑坡位移预测模型。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2311409.html,转载请声明来源钻瓜专利网。