典型文献
结合注意力机制和Bi-LSTM的降雨型滑坡位移预测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
唐菲菲;唐天俊;朱洪洲;胡川;马英;李昕
作者机构：
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
文献出处：
引用格式：
[1]唐菲菲;唐天俊;朱洪洲;胡川;马英;李昕-.结合注意力机制和Bi-LSTM的降雨型滑坡位移预测)[J].测绘通报,2022(09):74-79,104
A类：
B类：
注意力机制,Bi,降雨型滑坡,滑坡位移预测,引作,作用影响,阶梯状,滑坡监测,时间序列模型,趋势项,周期项,多项式回归,泛化能力,时序数据,平均绝对误差,均方误差,时间序列分解,双向长短时记忆神经网络
AB值：
0.210768
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
