该数据集记录2016年三峡库区秭归县树坪滑坡的相关监测资料,主要内容包括树坪滑坡基本特征及监测数据使用说明、地表位移GPS监测成果表、降雨量及长江水位观测数据资料表。
采集时间 | 2016/01/01 - 2016/12/31 |
---|---|
采集地点 | 长江三峡库区树坪 |
数据量 | 5.9 MiB |
数据格式 | doc |
数据时间分辨率 | 月 |
坐标系 | WGS84 |
自主生产,人工采集
计算、汇总、统计
本数据经过人工检查、质量良好
# | 标题 | 文件大小 |
---|---|---|
1 | 树坪滑坡地表位移GPS监测成果表2016年.doc | 114.0 KiB |
2 | 树坪滑坡基本特征及监测数据使用说明2016年.doc | 5.5 MiB |
3 | 树坪滑坡降雨量、长江水位观测数据资料表2016年.doc | 177.5 KiB |
4 | 树坪缩略图.jpg | 118.3 KiB |
# | 时间 | 姓名 | 用途 |
---|---|---|---|
1 | 2024/11/16 03:40 | 张*丹 |
用于论文研究,导师;李丽敏 副教授。论文主题,时间序列预测。传统统计模型和机器学习算法,虽然在一定程度上能够提供预测,但在处理滑坡位移的非平稳跃变段时效果较差。本文提出了一种新的滑坡位移预测综合深度学习模型(Landslide Prediction Integrated Deep Learning Model,简称LPIDLM),该模型结合了时间卷积网络(TCN)、长短期记忆网络(LSTM)和自注意力机制,旨在提高对滑坡位移非平稳跃变段的预测精度。
提出模型的创新点:
1,通过TCN因果卷积和膨胀卷积的组合,有效捕获数据中的长期依赖关系,并利用自注意力机制建模序列中不同位置之间的依赖关系,捕捉全局上下文信息,以实现高精度预测。
2,LSTM的门控机制处理序列数据中的时序信息和长期依赖关系,这样就可以实现对时间序列数据的高效预测和处理。
3.TCN的并行计算能力和LSTM的记忆能力来捕捉时间序列数据中的长期依赖关系,并通过注意力机制对历史数据中不同时间步的重要性进行加权,可以提高预测的准确性。以上研究都基于数据。
|
2 | 2024/10/28 17:51 | 裴*翔 |
论文题目:基于Transformer的滑坡位移预测 数据在研究中的作用:用于模型训练与数据验证,实验缺乏数据,数据缺乏导致实验无法进行,临近毕业,望批准 论文类型:博士论文 导师姓名:火久元
|
3 | 2024/10/28 15:43 | 汤*尧 |
项目涉及滑坡致灾因子影响要素分析以及滑坡作用下的动力响应分析,需要大量滑坡数据作为支撑,故申请下载相关数据集,望予以批准,谢谢!
|
4 | 2024/10/28 21:34 | 杨*玲 |
本人为闽江学院测绘系教师杨锦玲,为指导学生开展《基于GNSS的滑坡变形数据处理与预测研究》本科毕业论文,特申请数据进行分析处理,非常感谢!
|
5 | 2024/10/27 04:38 | 李*衡 |
论文题目:基于机器学习模型滑坡位移预测
数据在研究中的作用:用于模型训练,提高模型预测性能
论文类型:硕士学位论文及期刊论文
导师姓名:郑宏(教授)
|
6 | 2024/10/16 22:37 | 凌* |
甘肃省自然科学基金项目研究内容之一-滑坡位移预测研究
|
7 | 2024/10/15 05:05 | 白* |
论文题目:NGO优化的CNN-BiLSTM-AM滑坡位移预测模型
数据在研究中的作用:使用该高质量数据集验证预测模型
论文类型:期刊
导师姓名:王惠琴
|
8 | 2024/10/15 00:36 | 冉*念 |
论文题目:基于VMD-LSTM-Attention的滑坡位移时间序列预测
数据在研究中的作用:用于滑坡的多变量时间序列预测
论文类型:SCI
导师姓名:易江涛
|
9 | 2024/08/16 09:47 | 殷* |
Paper title:Two-phase high-order updated-Lagrangian non-local general particle dynamics for coupled seepage flow and large deformation in geotechnical engineering
Paper abstract:暂无
Paper type:期刊论文
Tutor:Zhou Xiaoping
|
10 | 2024/08/14 19:05 | 罗*涯 |
科技项目中包含滑坡预测的研究内容,由于缺乏实际的观测数据,特此申请!
|
©2024 中国科学院西北生态环境资源研究院 备案号:陇ICP备2021001824号-34
兰州市东岗西路320号 730000 电话:0931-4967592, 0931-4967596