基于Transformer的滑坡短期位移预测模型

田原^1,2, 庞骁^1,2, 赵文祎^3,?, 常啸寅^1,2, 程楚云^1,2, 邹佩^4,5, 曹晓澄^1,2

1. 北京大学遥感与地理信息系统研究所, 北京 1008712. 空间信息集成与 3S 工程应用北京市重点实验室, 北京 1008713. 中国地质环境监测院, 1000814. 北京大学计算机学院, 1008715. 计算语言学教育部重点实验室, 北京 100871

收稿日期:2022-03-11修回日期:2022-04-21出版日期:2023-03-20发布日期:2023-03-20
通讯作者:赵文祎, E-mail: 395447712(at)qq.com

基金资助:中国地质调查局地质调查项目(DD20211364)和国家重点研发计划(2021YFC3000504-02)资助

A Transformer-Based Model for Short-Term LandslideDisplacement Prediction

TIAN Yuan^1,2, PANG Xiao^1,2, ZHAO Wenyi^3,?, CHANG Xiaoyin^1,2, CHENG Chuyun^1,2,ZOU Pei^4,5, CAO Xiaocheng^1,2

1. Institute of Remote Sensing and Geographical Information Systems, Peking University, Beijing 1008712. Beijing Key Laboratory of Spatial Information Integration and Its Applications, Beijing 1008713. China Institute of Geo- Environment Monitoring, Beijing 1000814. School of Computer Science, Peking University, Beijing 1008715. Key Lab of Computational Linguistics (MOE), Beijing 100871

Received:2022-03-11Revised:2022-04-21Online:2023-03-20Published:2023-03-20
Contact:ZHAO Wenyi, E-mail: 395447712(at)qq.com

摘要/Abstract

摘要： 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。

引用本文

田原, 庞骁, 赵文祎, 常啸寅, 程楚云, 邹佩, 曹晓澄. 基于Transformer的滑坡短期位移预测模型[J]. 北京大学学报自然科学版, 2023, 59(2): 197-210.
TIAN Yuan, PANG Xiao, ZHAO Wenyi, CHANG Xiaoyin, CHENG Chuyun, ZOU Pei, CAO Xiaocheng. A Transformer-Based Model for Short-Term LandslideDisplacement Prediction[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2023, 59(2): 197-210.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3842