[发明专利]一种滑坡地表变形空间区域权重的计算方法

权利要求书

1.一种滑坡地表变形空间区域权重的计算方法，其特征在于，包括以下步骤：

S1、从滑坡监测系统中获取各个监测点的监测数据，根据监测数据获得滑坡变形特征相关的多种变形数据；

S2、将监测点的多种变形数据按照监测点的空间分布处理为不同通道的时间序列数据输入到卷积神经网络(CNN)模型中进行处理，每个通道对应一种变形数据；

S3、将步骤S2中经过卷积神经网络(CNN)模型处理后的数据作为输入数据，输入到改进的卷积注意模块ICBAM中进行筛选，其中ICBAM包含通道注意力模块、空间注意力模块和残差块；ICBAM的输入通过通道注意力模块用于确定不同变形特征的重要性，通道注意力模块的输出作为空间注意力模块的输入用于确定不同监测点空间位置的变形数据对于最终滑坡预测结果的重要性，残差块链接ICBAM的输入和空间注意力模块的输出；

S4、最后经一个全连接层输出滑坡各个监测点的变形数据的空间相关性，同时输出各个监测点所在区域在滑坡地表变形中所占的空间注意力权重。

2.根据权利要求1所述的一种滑坡地表变形空间区域权重的计算方法，其特征在于，在所述步骤S2中，将监测点的多种变形数据按照监测点的空间分布处理为不同通道的时间序列数据输入到卷积神经网络(CNN)模型中进行处理包括以下步骤：

S21、输入数据

将监测点的变形数据按照监测点的空间分布处理成多通道图像，不同类型的变形数据对应不同的通道，输入到卷积神经网络(CNN)模型中；

S22、数学操作

卷积神经网络(CNN)模型包含卷积和池化操作，通过合并不同监测点的变形信息提取空间特征图，一个卷积神经网络(CNN)模型包括卷积层、池化层和全连接层，在卷积层上，输出特征矩阵M是通过在输入特征F上移动滤波器k产生的，池化操作通常在卷积层之后进行，M的相邻元素由最大池化、平均池化或其他池化操作整合，卷积方程如下:

其中，m为矩阵M中的一个元素，∑表示矩阵元素的总和,c是输入特征F的通道数，f_i,j为F的子矩阵，大小与k相同，i,j分别为滤波器k的行、列移动步长；当子矩阵f_i,j在输入特征图上移动时，重复应用滤波器k。