动水驱动型滑坡的状态仿射迁移学习方法
Editorial Committee of Earth Science-Journal of China University of Geosciences（2023）
摘要
三峡库区的动水驱动型滑坡具有阶梯式变形特征,在监测数据不足的情况下,难以准确、合理地完成滑坡分析与预测预报等相关研究.针对监测数据不足的情况,设计了一种状态仿射迁移学习方法(State affine transfer learning method,SATLM),通过学习相似滑坡的知识完成对数据量不足的滑坡状态分析.为验证 SATLM 对滑坡状态分析的有效性,设计了一种状态相似分析方法,完成对库区多个滑坡的知识学习后实现对另一个数据量不足的滑坡地表位移预测.结果表明,完成状态仿射迁移后,本方法与 BPNN和 SVM 相比,万州塘角 1 号滑坡地表位移预测的平均绝对误差和均方根误差都实现了较大降低.白家包滑坡、白水河滑坡、八字门滑坡知识的成功迁移,证明了SATLM在相似动水驱动型滑坡的知识迁移上具有较好效果.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要