一种融合LSTM-VAE与梯度提升决策树的滑坡裂缝预测方法

本发明公开了一种融合LSTM-VAE与梯度提升决策树的滑坡裂缝预测方法，包括以下步骤：采集滑坡相关监测数据；对监测数据进行数据预处理；构造滑坡时序数据序列；构建基于LSTM与VAE的联合时序数据增强模型LSTM-VAE模型；采用VAE损失函数训练LSTM-VAE模型；使用LSTM-VAE模型生成合成数据，并构增强数据集；将增强数据集按照比例划分为训练集、验证集与测试集；建立滑坡裂缝预测GBDT模型，并使用训练集训练滑坡裂缝预测GBDT模型；对滑坡裂缝预测GBDT模型预测评估，获得最优滑坡裂缝预测模型。本发明在保证裂缝预测模型准确性的同时，解决了传统机器学习模型难以有效捕捉数据的时序特征、对数据...

Full description

Saved in:
Bibliographic Details
Format Patent
LanguageChinese
Published 23.09.2025
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
ELECTRIC DIGITAL DATA PROCESSING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:本发明公开了一种融合LSTM-VAE与梯度提升决策树的滑坡裂缝预测方法，包括以下步骤：采集滑坡相关监测数据；对监测数据进行数据预处理；构造滑坡时序数据序列；构建基于LSTM与VAE的联合时序数据增强模型LSTM-VAE模型；采用VAE损失函数训练LSTM-VAE模型；使用LSTM-VAE模型生成合成数据，并构增强数据集；将增强数据集按照比例划分为训练集、验证集与测试集；建立滑坡裂缝预测GBDT模型，并使用训练集训练滑坡裂缝预测GBDT模型；对滑坡裂缝预测GBDT模型预测评估，获得最优滑坡裂缝预测模型。本发明在保证裂缝预测模型准确性的同时，解决了传统机器学习模型难以有效捕捉数据的时序特征、对数据质量要求高的问题，为工程现场滑坡风险管理提供了科学依据和技术支持。
Bibliography:Application Number: CN202510740045