融合动静态变量的滑坡多步位移预测方法

针对目前滑坡位移预测模型多以结合降雨、形变等动态变量的单步预测为主,缺乏对多步位移影响因素相关的时间周期等静态变量考虑的问题,提出了融合动静态变量的滑坡多步位移预测模型。首先,运用变量选择网络对初始输入变量进行选择,挖掘与滑坡日位移相关度高的变量,削弱冗余变量对模型的影响。然后,将静态变量集成于网络中,通过对上下文编码进行时间动态相关性调节。最后,以多头注意力模块捕获时序长期依赖关系,实现滑坡多步位移预测。以重庆市新铺滑坡为例,将本文方法与DeepAR、长短期记忆(LSTM)模型进行实验对比,结果表明,本文方法可实现较为稳健的高精度滑坡多步位移预测。