首页 > 地球科学

Geosci. Front. | Transformer模型:一种将降雨时间序列融入多类型滑坡概率建模的深度学习方法

Geoscience Frontiers 2026-04-13 07:00
文章摘要
背景:山区滑坡灾害频发,造成严重破坏和人员伤亡。传统方法通常使用标量降雨数据,难以动态预测滑坡概率。研究目的:构建一种能够同时处理静态地形因子与连续降雨时间序列的Transformer神经网络模型,针对不同滑坡类型分别建立预测模型,并结合可解释人工智能方法,揭示降雨对滑坡概率的时空贡献。结论:该研究以意大利艾米利亚-罗马涅大区山区为研究区,利用2023年5月两次极端降雨事件数据,将降雨时间序列嵌入Transformer神经网络,模型在测试集上表现出优异性能(AUC > 0.90),其中日尺度时间序列表现最佳。通过SHAP方法量化了降雨的时空影响,为建立通用的时空滑坡预测模型奠定了基础。
Geosci. Front. | Transformer模型:一种将降雨时间序列融入多类型滑坡概率建模的深度学习方法
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Issue Information
DOI: 10.1111/gbi.70044 Pub Date : 2026-02-27
IF 3.4 2区 地球科学 Q2
Salinity effect on bisulfide diffusive transport through compacted MX-80 bentonite
DOI: 10.1016/j.clay.2026.108210 Pub Date : 2026-08-01 Date: 2026/4/2 0:00:00
IF 5.8 2区 地球科学 Q2
最新文章
Land:基于社交媒体与人工智能的土地治理新范式:社会智能挖掘的实践与前景
Land:基于社交媒体与人工智能的土地治理新范式:社会智能挖掘的实践与前景
该研究创新地结合大型语言模型与社交媒体分析,提出了BTC-LLM等算法,实现了对公众议题的高效归类与结构挖掘。
2026-04-12
Geosci. Front. | Transformer模型:一种将降雨时间序列融入多类型滑坡概率建模的深度学习方法
Geosci. Front. | Transformer模型:一种将降雨时间序列融入多类型滑坡概率建模的深度学习方法
本研究旨在构建一种能够同时处理静态地形因子和连续降雨时间序列的Transformer神经网络模型,并针对不同滑坡类型分别建模,结合可解释性AI方法,揭示降雨在滑坡概率中的时空贡献,为滑坡的时空预测提供了新的深度学习解决方案。
2026-04-12
火山躁动之谜:地震层析成像揭示坎皮佛莱格瑞破火山口2020-2024隆升机制 | MDPI GeoHazards
火山躁动之谜:地震层析成像揭示坎皮佛莱格瑞破火山口2020-2024隆升机制 | MDPI GeoHazards
本文旨在通过先进的地震层析成像技术,揭示2020-2024年间驱动坎皮佛莱格瑞破火山口隆升的地下机制。
2026-04-11
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1