CNN-LSTM混合模型在堆积层滑坡地表位移预测中的应用
张蕊萍
官云兰
东华理工大学 测绘与空间信息工程学院,南昌 330013
摘要：利用黄石市石溪村某卫生所的全球导航卫星系统(GNSS)记录的一次突发性的小规模堆积层滑坡地表位移及该点的降雨量和土壤含水率数值,采用基于卷积神经网络(Convolutional Neural Network,CNN)与长短时记忆网络(Long Short-Term Memory,LSTM)的混合模型,对该次滑坡地表位移的变化进行预测.首先,使用CNN模型从时序数据中提取特征,并利用ReLU激活函数引入非线性变换以提高模型表达能力;再将提取的特征传递给LSTM层进行时序建模,并通过全连接层将LSTM的输出映射到指定的输出维度,进而完成本次滑坡地表位移的预测研究.结果显示,与传统、单一的LSTM网络相比,CNN-LSMT混合模型对堆积层滑坡地表位移的预测效果具有显著优势,能大幅度提高预测结果的精准度.研究结果可为黄石地区堆积层滑坡灾害预警及防治工作提供科学的参考依据.
关键词：黄石市堆积层滑坡地表位移预测LSTM模型CNN-LSTM混合模型
分类号：P631(天文学、地球科学)
资助基金：自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室开放基金(MEMI-2023-15)
论文发表日期：2025-03-31
在线出版日期：2025-10-10（本平台首次上网日期，不代表文献的发表时间）
页数：8( 14-21 )
英文信息