基于平衡图结构的边坡位移时空预测方法

作     者：郑海青 陈莹莹 孙晓云 陈勇 靳强 

作者机构：石家庄铁道大学电气与电子工程学院 河北金隅鼎鑫水泥有限公司 

出 版 物：《金属矿山》 (Metal Mine)

年 卷 期：2024年

学科分类：12[管理学] 081901[工学-采矿工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0819[工学-矿业工程] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河北省省级科技计划-河北省重点研发计划项目(编号:22375413D) 

主　　题：边坡 位移预测 平衡图 时空预测 

摘      要：边坡位移监测在地质和土木工程领域中具有至关重要的作用，边坡位移的变化为预测滑坡和坍塌提供了关键依据。传统神经网络在进行边坡位移预测时通常采用矩阵或张量来处理数据，忽略了监测点数据间的空间相关性。图神经网络因能有效捕获图结构数据中节点间的空间关系而被逐渐应用于边坡位移预测领域。然而，传统的图神经网络在应用于边坡位移预测时，往往只设计一个图结构，无法捕获不同时间段内监测点时空关系的动态变化。针对这些问题，提出了一种基于平衡图结构的边坡位移预测模型，该模型结合了图结构学习和时间序列预测，能够捕捉多个监测点位移序列之间的潜在时空关系，提高模型的复杂关系建模能力。在预测模型中，引入多图生成网络（MGN）和图选择模块，MGN可以适应不同时间段内监测点时空关系的动态变化，使模型更具有灵活性，图选择模块从MGN生成的图集中选择最优图，提高模型效率。为降低计算成本，引入“平滑稀疏单元SSU稀疏化图结构。实验中以石家庄某水泥厂矿山边坡位移监测数据为例进行验证，结果表明，本文所提预测模型在保证预测精度的同时，计算成本大幅下降，满足边坡监测预警需求。