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 | 2024/03/12 03:06 | 吴*娜 |
论文题目:基于数据挖掘的滑坡分析
数据在研究中的作用:数据挖掘分析
论文类型:数据挖掘类
导师姓名:姜俊坡
|
2 | 2024/02/29 19:12 | 司* |
领导,您好,本人系石家庄铁道大学在读博士研究生,研究方向是边坡监测,想结合咱们的数据来训练模型并测试,后续发表论文的话会按照咱们数据中规定的格式进行引用,望您批准,非常感谢。
|
3 | 2024/01/30 22:33 | 徐* |
本项目为鄂尔多斯市科技重大“揭榜挂帅”项目,题目为“通导遥测一体化”露天煤矿边坡预警综合研判算法研究与城市级示范应用,主要涉及边坡监测与预测算法的研究,然而,在研究初期亟需与边坡滑坡相关的数据,然而目前并没有符合条件的公开数据集,因此申请该数据集仅作为研究使用。
|
4 | 2024/01/26 00:21 | 郑* |
论文题目:滑坡变形智能预测
数据在研究中的作用:基础数据
论文类型:期刊论文
导师姓名:李炎隆
|
5 | 2024/01/19 17:41 | 余*博 |
论文题目:基于时间序列的大范围空间边坡位移预测 论文摘要:基于LSTM的大范围空间边坡位移预测 论文摘要:众所周知,边坡的位移会一直发生改变,甚至会发生重大灾害,出现滑坡,给社会带来损失。虽然有传感器的存在,但也会出现误差,以导致边坡发生滑坡的信息被漏判、误判等情况。但近年来,人工智能的出现,对边坡位移预测结果能够更加准确。主要工作内容包括:一、对近年来的边坡数据进行统计。二、结合Insar遥感技术将边坡近年来的位移形变进行复现并说明。三、深度学习的使用,将说明人工智能是如何应用在边坡位移预测中的。四、完善并总结工作 论文类型: 论文类型:硕士论文 导师姓名:陈贡发
|
6 | 2023/12/26 00:48 | 唐*松 |
论文题目:基于时序InSAR技术的树坪滑坡预测研究
数据在研究中的作用:1.滑坡诱发因素讨论。2.变形趋势分析与验证。
论文类型:期刊论文
导师姓名:田述军
|
7 | 2023/12/16 18:34 | 谭*铵 |
论文题目:暂未定,目前属于数据收集阶段,研究方向是对于边坡位移的预测
数据在研究中的作用:拟定用于模型训练和验证
论文类型:硕士论文
导师姓名:黄海于
|
8 | 2023/11/16 17:58 | 黄* |
尊敬的西北生态环境资源研究院领导:本人承担的中国地质环境监测院课题《基于多元监测数据的高山峡谷区典型滑坡变形预测研究》(http://www.cigem.cgs.gov.cn/tzgg_4890/202306/t20230608_735097.html)针对三峡库区开展滑坡预测预警研究,目前已经基于地质环境监测院自有数据开展了模型研发,但遇到滑坡类型不丰富和监测数据时间跨度不足的问题,严重制约了模型性能。贵网站保有的详实的三峡地区滑坡监测数据对于我们模型性能提升具有非常大的促进作用,因此恳切希望能够获得贵单位的数据支持,万分感谢!!
|
9 | 2023/11/10 23:24 | 黄*玲 |
论文题目:基于集成学习和LSTM模型的边坡稳定性评价研究
数据在研究中的作用:将三峡库区滑坡作为案例,作为研究对象的地质工程背景。采用本数据进行边坡位移预测研究,首先基于时间序列将滑坡位移分解为趋势项、周期项和突变项,然后利用长短期记忆神经网络进行拟合和预测。
论文类型:硕士论文
导师姓名:谢学斌 教授
|
10 | 2023/11/04 00:49 | 朱*宝 |
论文题目:基于深度学习的InSAR滑坡形变预测研究
论文摘要:研究围绕以往滑坡预测模型多是单点建模,滑坡预测精度不高的问题,提出了一种基于InSAR技术的时空融合方法。从时空特征切入:在空间预测模块利用深度学习网络对空间上下文信息进行编码,寻找各个滑坡监测点的内部联系,有效提升获取特征的效率;在时间预测模块,针对滑坡时序数据波动存在不确定性、非线性的特点与沉降敏感因子(如降水量和库水位)的干扰,利用深度学习网络模型提取时序数据的特征,通过自注意力机制学习序列中不同位置之间的依赖关系,能够更好地捕获上下文信息,提高算法准确性;再对时空模块输出的特征进行精炼融合,实现基于时序InSAR技术处理的SAR图像中的滑坡形变精确预测
论文类型:硕士论文
导师姓名:张冬梅教授
目前导师开展了一个滑坡监测预测的研究,同时支撑学生的毕业设计,由于其解释性较好,拟采用三峡库区白水河区域和树坪滑坡的数据,目前下载了哨兵一号的数据,但缺少相应年份的降水和库水位的数据。希望贵站能通过申请,真诚的感谢!
|
© 中国科学院西北生态环境资源研究院 2005- 备案号:陇ICP备2021001824号-21
兰州市东岗西路320号 730000 电话:0931-4967592, 0931-4967596