动水驱动型滑坡的状态仿射迁移学习方法

State Affine Transfer Learning Method for Hydrodynamic Pressure-Driven Landslide

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.

关键词

滑坡 / 位移突变点 / 滑坡状态 / 状态仿射迁移 / 位移预测 / 灾害地质

Key words

landslide / displacement mutation point / landslide state / state affine transfer / displacement prediction / hazard geology

基金资助

国家自然科学基金重大项目(KZ21W30023)

国家自然科学基金面上项目(41772376)