基于Transformer的滑坡短期位移预测模型

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。

一种面向降雨型滑坡的降雨—变形综合预警智能决策方法

临界雨量预警在一定程度上可间接反映滑坡的时空变形规律和共性演化特征,但预警空间精度不足;而降雨—变形综合预警规则的设定多基于专家经验,存在较大主观不确定性。该文提出一种集成模糊推理系统和智能寻优算法的降雨型滑坡降雨—变形综合预警智能决策方法,其技术思路总体上更接近人的模糊推理行为和决策过程,可在智能寻优过程中融入领域知识规则约束,通过自学习机制实现综合预警规则的智能优化;以甘肃武都泻流坡滑坡监测为例开展实验,通过智能优化得出合理的雨量与地表位移综合预警规则。该方法为降雨型滑坡综合预警提供了一种有效的技术方案,可为相关灾害预警决策提供支撑。

滑坡位移预测模型补充评价方法

针对目前滑坡位移预测模型评价方法中总体性指标区分能力不足,以及对滑坡高风险期预测效果评价不准确等问题,设计滑坡位移预测模型快速位移期综合误差(CERDP)和峰值预测误差(PPE)两个补充评价指标以及对应的补充评价技术流程。基于滑坡监测数据的实例研究表明,所提补充评价指标和应用流程合理可行,可以有效地应对均方根误差(RMSE)等指标差异不显著带来的评价不准确问题,遴选出总体性能可靠,在风险时段和最高风险时点表现更好的模型,为滑坡风险管理工作提供有效的技术支持。

面向多层级网格化管理的城市火灾态势研究

在各类城市灾害中,火灾是威胁人民生命财产安全最为显著的灾害之一。消防安全作为国民经济和社会发展的重要组成部分,受到了政府和社会层面的重视。城镇网格化管理的持续深入和数据的不断积累,为以更精细分辨率分析火灾隐患空间分布规律提供了数据支持。以此为基础,本文提出了一种面向多层级网格化管理的城市火灾态势研究方法。该方法基于基础监測数据,进行核密度估计以及态势综合统计,以得到各个管理层级的火灾态势情况。以此计算得到的多层级火灾态势,可以帮助各层级城市网格化管理部门更加清楚地认识到其管理区域所对应的火灾风险情况,从而开展具有针对性和前瞻性的火灾防治工作。