基于变分模态分解和深度置信神经网络模型的滑坡位移预测

三峡库区共有滑坡1 000余处,频繁发生的滑坡灾害极大威胁着人民生命财产安全,因此开展合理有效的滑坡位移预测对减少财产损失和拯救人民的生命具有重要的研究意义。以三峡库区白家包滑坡为例,针对当前滑坡位移预测中常用分解方法的局限,在位移时间序列的分解中引入可以控制分解模态数目的变分模态分解方法,选取不同模态参数进行对比,以提高分解模型的精度和有效性;并基于滑坡触发因子建立深度置信网络模型对位移子序列进行预测,重构所有子序列预测结果得到总的位移预测值。总位移预测均值绝对误差3.657 mm,平均绝对百分比误差为0.010%,总体预测精度高,该方法误差小,具有良好的应用指导意义。     

木鱼包滑坡形变特征的InSAR监测分析

三峡库区地质条件复杂,问题库岸斜坡众多,滑坡灾害问题一直十分突出,需要对三峡库区的灾害隐患进行日常监测.然而常规的监测手段往往需要耗费大量的人力物力,监测效果也容易受到外界条件的限制.以三峡巴东县城长江沿岸为研究区,基于ALOS-2数据,使用PS InSAR(永久散射体干涉测量)处理技术对2016年8月—2017年10...