[發(fā)明專利]基于階段性注意力機(jī)制的降雨型滑坡位移預(yù)測模型及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010968140.3
• 申請(qǐng)日: 2020-09-15
• 公開（公告）號(hào): CN112101660B
• 公開（公告）日: 2022-06-28
• 發(fā)明（設(shè)計(jì)）人: 唐菲菲;唐天俊;王錫斐;朱永亮;王云云;沈誠;宋平;李潤杰
• 申請(qǐng)（專利權(quán)）人: 重慶交通大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 重慶鼎慧峰合知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50236
• 代理人: 安莉

1.一種基于階段性注意力機(jī)制的降雨型滑坡位移預(yù)測模型，其特征在于，包括：數(shù)據(jù)預(yù)處理層、數(shù)據(jù)預(yù)測層、模型驗(yàn)證層；

所述數(shù)據(jù)預(yù)處理層用于按時(shí)間序列將降雨型滑坡累計(jì)位移分解為趨勢(shì)項(xiàng)、周期項(xiàng)；

所述數(shù)據(jù)預(yù)測層用于根據(jù)鄰近點(diǎn)位移預(yù)測趨勢(shì)項(xiàng)，得到趨勢(shì)項(xiàng)位移預(yù)測值；用于根據(jù)降雨量預(yù)測周期項(xiàng)，得到周期項(xiàng)位移預(yù)測值；還用于將所述趨勢(shì)項(xiàng)位移預(yù)測值、周期項(xiàng)位移預(yù)測值合并，得到監(jiān)測點(diǎn)位的累計(jì)位移預(yù)測值；

根據(jù)降雨量預(yù)測周期項(xiàng)時(shí)，采用基于階段性注意力機(jī)制的雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)對(duì)周期項(xiàng)進(jìn)行預(yù)測；所述基于階段性注意力機(jī)制的雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)使用雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)作為編碼器、使用長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)作為解碼器，在編碼器和解碼器中引入階段性注意力機(jī)制；注意力機(jī)制層在t時(shí)刻處理過程滿足如下公式：

在上述公式中：score為衡量t-1時(shí)刻預(yù)測值對(duì)t時(shí)刻的隱藏層輸出重要程度的函數(shù)；為Bi-LSTM在時(shí)刻t的隱藏狀態(tài)輸出向量；y_t-1∈Rⁿ為模型在時(shí)刻t-1的輸出值y_t-1進(jìn)行廣播機(jī)制后得到的向量，模型訓(xùn)練提供初始條件y₀，y₀即滑坡位移的初始值；W_s∈R^n×2n、W_T∈R^n×n為注意力機(jī)制層訓(xùn)練權(quán)重矩陣；b_s∈Rⁿ為偏置向量；α_t為注意力得分權(quán)重矩陣；v為注意力機(jī)制層輸出特征向量；

所述模型驗(yàn)證層用于根據(jù)累計(jì)位移預(yù)測值、位移測量值的差值，對(duì)預(yù)測模型的參數(shù)進(jìn)行優(yōu)化。

2.根據(jù)權(quán)利要求1所述的一種基于階段性注意力機(jī)制的降雨型滑坡位移預(yù)測模型，其特征在于，將所述趨勢(shì)項(xiàng)位移預(yù)測值、周期項(xiàng)位移預(yù)測值合并，采用以下公式進(jìn)行計(jì)算：

X_t＝S_t+V_t (1)

在上式中，X_t為累計(jì)位移預(yù)測值，S_t為趨勢(shì)項(xiàng)位移預(yù)測值，V_t為周期項(xiàng)位移預(yù)測值。

3.根據(jù)權(quán)利要求1所述的一種基于階段性注意力機(jī)制的降雨型滑坡位移預(yù)測模型，其特征在于，采用多項(xiàng)式回歸法對(duì)趨勢(shì)項(xiàng)進(jìn)行預(yù)測，采用以下公式進(jìn)行計(jì)算：

S_t＝a₁S₁+a₂S₂+a₃S₃+…+a_nS_n-d

在上式中，S_t為監(jiān)測點(diǎn)位的趨勢(shì)項(xiàng)預(yù)測值，S₁～S_n為臨近點(diǎn)位的趨勢(shì)項(xiàng)實(shí)測值，a₁～a_n和d為系數(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于階段性注意力機(jī)制的降雨型滑坡位移預(yù)測模型，其特征在于，所述基于階段性注意力機(jī)制的雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)，輸入包括：由日降雨量轉(zhuǎn)化形成的滾動(dòng)累計(jì)降雨量。

5.根據(jù)權(quán)利要求1所述的一種基于階段性注意力機(jī)制的降雨型滑坡位移預(yù)測模型，其特征在于：所述基于階段性注意力機(jī)制的雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)，在訓(xùn)練時(shí)采用HuberLoss進(jìn)行梯度下降參數(shù)尋優(yōu)。

6.一種基于階段性注意力機(jī)制的降雨型滑坡位移預(yù)測方法，其特征在于，使用權(quán)利要求1所述的預(yù)測模型對(duì)降雨型滑坡位移進(jìn)行預(yù)測，具體包括以下步驟：

采集監(jiān)測點(diǎn)位周邊的臨近點(diǎn)位位移值、日降雨量；

將所述臨近點(diǎn)位位移值、日降雨量輸入到降雨型滑坡位移預(yù)測模型；

降雨型滑坡位移預(yù)測模型通過所述臨近點(diǎn)位位移值計(jì)算得到趨勢(shì)項(xiàng)位移預(yù)測值；通過所述日降雨量計(jì)算得到周期項(xiàng)位移預(yù)測值；

降雨型滑坡位移預(yù)測模型將所述趨勢(shì)項(xiàng)位移預(yù)測值和周期項(xiàng)位移預(yù)測值合并，得到降雨型滑坡位移累計(jì)位移預(yù)測值。