机理引导下的阶跃型滑坡位移预测深度学习模型

阶跃型滑坡变形时间曲线呈阶梯状,阶跃变形量大,准确预警预报困难。针对现有模型在阶跃型滑坡快速变形阶段预测误差大的问题,提出一种机理引导下的阶跃型滑坡变形预测模型,该模型在深入分析滑坡变形机理上,结合变分模态分解开展滑坡位移和影响因子的动态响应分析,为Informer模型提供合理有效的外部影响因子输入,结合多头注意力机制和池化层,实现阶跃期时序数据关键周期信息的有效提取。本研究以三峡库区白水河滑坡为例,收集水库蓄水以来连续15年的逐月位移监测数据及同期逐天的降雨和库水位数据。试验结果表明,本文模型在阶跃型滑坡位移预测中整体预测精度较高,与主流预测模型相比,该模型对快速变形期的阶跃变形预测较为准确,预测误差较小。

综合智慧能源关键技术

进入“十四五”时期,在能源革命和数字革命双重驱动下,可再生能源、储能、智慧能源等一大批新兴能源技术正以前所未有的速度加快迭代,成为全球能源向绿色低碳转型的核心驱动力。在此背景下,国家能源局、科学技术部联合编制了《“十四五”能源领域科技创新规划》,将能源系统数字化智能化技术列为重点任务,提出聚焦新一代信息技术和能源融合发展,促进能源产业数字化智能化升级,开展各种能源厂站和区域智慧能源系统集成试点示范,引领能源产业转型升级。能源互联网、智慧能源、综合能源服务等新模式、新业态持续涌现。