[发明专利]基于阶段性注意力机制的降雨型滑坡位移预测模型及方法

权利要求书

1.一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，包括：数据预处理层、数据预测层、模型验证层；

所述数据预处理层用于按时间序列将降雨型滑坡累计位移分解为趋势项、周期项；

所述数据预测层用于根据邻近点位移预测趋势项，得到趋势项位移预测值；用于根据降雨量预测周期项，得到周期项位移预测值；还用于将所述趋势项位移预测值、周期项位移预测值合并，得到监测点位的累计位移预测值；

根据降雨量预测周期项时，采用基于阶段性注意力机制的双向长短时记忆神经网络对周期项进行预测；所述基于阶段性注意力机制的双向长短时记忆神经网络使用双向长短时记忆神经网络作为编码器、使用长短时记忆神经网络作为解码器，在编码器和解码器中引入阶段性注意力机制；注意力机制层在t时刻处理过程满足如下公式：

在上述公式中：score为衡量t-1时刻预测值对t时刻的隐藏层输出重要程度的函数；为Bi-LSTM在时刻t的隐藏状态输出向量；y_t-1∈Rⁿ为模型在时刻t-1的输出值y_t-1进行广播机制后得到的向量，模型训练提供初始条件y₀，y₀即滑坡位移的初始值；W_s∈R^n×2n、W_T∈R^n×n为注意力机制层训练权重矩阵；b_s∈Rⁿ为偏置向量；α_t为注意力得分权重矩阵；v为注意力机制层输出特征向量；

所述模型验证层用于根据累计位移预测值、位移测量值的差值，对预测模型的参数进行优化。

2.根据权利要求1所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，将所述趋势项位移预测值、周期项位移预测值合并，采用以下公式进行计算：

X_t＝S_t+V_t (1)

在上式中，X_t为累计位移预测值，S_t为趋势项位移预测值，V_t为周期项位移预测值。

3.根据权利要求1所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，采用多项式回归法对趋势项进行预测，采用以下公式进行计算：

S_t＝a₁S₁+a₂S₂+a₃S₃+…+a_nS_n-d

在上式中，S_t为监测点位的趋势项预测值，S₁～S_n为临近点位的趋势项实测值，a₁～a_n和d为系数。

4.根据权利要求1所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于，所述基于阶段性注意力机制的双向长短时记忆神经网络，输入包括：由日降雨量转化形成的滚动累计降雨量。

5.根据权利要求1所述的一种基于阶段性注意力机制的降雨型滑坡位移预测模型，其特征在于：所述基于阶段性注意力机制的双向长短时记忆神经网络，在训练时采用HuberLoss进行梯度下降参数寻优。

6.一种基于阶段性注意力机制的降雨型滑坡位移预测方法，其特征在于，使用权利要求1所述的预测模型对降雨型滑坡位移进行预测，具体包括以下步骤：

采集监测点位周边的临近点位位移值、日降雨量；

将所述临近点位位移值、日降雨量输入到降雨型滑坡位移预测模型；

降雨型滑坡位移预测模型通过所述临近点位位移值计算得到趋势项位移预测值；通过所述日降雨量计算得到周期项位移预测值；

降雨型滑坡位移预测模型将所述趋势项位移预测值和周期项位移预测值合并，得到降雨型滑坡位移累计位移预测值。