| 1 |
2025/05/20 00:45 |
周* |
项目需要对库水位+降雨作用下的滑坡灾害进行灾变机理与稳定性分析。
|
| 2 |
2025/05/20 01:33 |
陆*影 |
论文题目：三峡库区滑坡易发性分析
数据在研究中的作用：滑坡发生后近年的形变是否加剧研究
论文类型：期刊论文
导师姓名：周吕
|
| 3 |
2025/05/08 20:05 |
常*欣 |
论文题目：边坡监测预警系统的实现
数据在研究中的作用：用于深度学习中预警模型的训练
论文类型：本科毕设
导师姓名：王秋才
|
| 4 |
2025/05/06 18:15 |
马*茹 |
论文题目：基于STGCN的滑坡位移预测研究
数据在研究中的作用：验证模型预测精度
论文类型：机器学习、地质灾害、工程地质
导师姓名：韩志刚
|
| 5 |
2025/04/16 00:40 |
尚*洋 |
论文题目：滑坡位移预测
数据在研究中的作用：非常重要，训练模型
论文类型：硕士论文
导师姓名：王霄
|
| 6 |
2025/04/15 00:28 |
代*阳 |
论文题目：基于机器学习的混凝土坝变形 智能安全监控方法研究
数据在研究中的作用：数据集
论文类型：本科论文
导师姓名：祁瑞敏
|
| 7 |
2025/01/17 00:41 |
邱*鑫 |
论文题目：以计算机视觉的方式进行边坡的稳定性预测研究
数据在研究中的作用：需要边坡图片和位移数据进行三维建模，进行边坡稳定性的数值分析
论文类型：硕士论文
导师姓名：重庆大学周航教授
|
| 8 |
2025/01/08 18:03 |
李* |
论文题目：Time-dependent deformation and stability of Shuping landslide in the Three Gorges reservoir considering water-air coupling effect
数据在研究中的作用：对比验证
论文类型：SCI论文
导师姓名：刘畅
|
| 9 |
2024/11/16 03:40 |
张*丹 |
用于论文研究，导师；李丽敏 副教授。论文主题，时间序列预测。传统统计模型和机器学习算法，虽然在一定程度上能够提供预测，但在处理滑坡位移的非平稳跃变段时效果较差。本文提出了一种新的滑坡位移预测综合深度学习模型（Landslide Prediction Integrated Deep Learning Model，简称LPIDLM），该模型结合了时间卷积网络（TCN）、长短期记忆网络（LSTM）和自注意力机制，旨在提高对滑坡位移非平稳跃变段的预测精度。
提出模型的创新点：
1，通过TCN因果卷积和膨胀卷积的组合，有效捕获数据中的长期依赖关系，并利用自注意力机制建模序列中不同位置之间的依赖关系，捕捉全局上下文信息，以实现高精度预测。
2,LSTM的门控机制处理序列数据中的时序信息和长期依赖关系，这样就可以实现对时间序列数据的高效预测和处理。
3.TCN的并行计算能力和LSTM的记忆能力来捕捉时间序列数据中的长期依赖关系，并通过注意力机制对历史数据中不同时间步的重要性进行加权，可以提高预测的准确性。以上研究都基于数据。
|
| 10 |
2024/10/28 17:51 |
裴*翔 |
论文题目：基于Transformer的滑坡位移预测 数据在研究中的作用：用于模型训练与数据验证，实验缺乏数据，数据缺乏导致实验无法进行，临近毕业，望批准 论文类型：博士论文 导师姓名：火久元
|
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.ncdc.Sanxia.2020.97
10.12072/sanxia.003.2017.db
