该数据集三峡站观测年报(2009年)内容包括白水河滑坡、八字门滑坡、树坪滑坡、新滩滑坡、链子崖危岩体专业监测情况,人员队伍、仪器设备、专业监测等任务的完成情况、监测滑坡变形情况以及发生变形的重点滑坡等信息进行了详细介绍和分析。
| 采集时间 | 2009/01/01 - 2009/12/30 |
|---|---|
| 采集地点 | 长江三峡库区白水河、八字门、树坪、新滩、链子崖 |
| 数据量 | 7.2 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、自动采集。
仪器自动观测 人工统计数据。
本数据经过人工校正、质量良好。
本作品采用
CC BY 4.0 (知识共享 署名 4.0 国际许可协议)进行许可。
| # | 标题 | 文件大小 |
|---|---|---|
| 1 | 长江三峡库区2009年白水河滑坡、八字门滑坡、树坪滑坡、新滩滑坡、链子崖危岩体专业监测年报汇编.doc | 7.2 MiB |
| # | 时间 | 姓名 | 用途 |
|---|---|---|---|
| 1 | 2026/07/23 05:03 | 冷* |
本申请有科研课题支持,课题信息如下: 项目类型:国家重点研发计划课题 课题名称:露天边坡与地下采空区时空耦合致灾机理及稳定性评价方法研究 课题编号:2024YFC3013901 所属项目:露天转地下开采典型灾害事故风险防控关键技术及示范 课题负责人:张利,教授,辽宁大学信息学部 本人拟在该课题支持下开展期刊论文以及硕士学位论文研究。 论文主题:基于GNSS/GPS监测时间序列的滑坡多监测点位移时空预测研究 数据用途说明: 拟申请典型滑坡GNSS/GPS地表位移监测数据,以及同期降雨量、库水位/长江水位等辅助监测数据。GNSS/GPS位移数据将作为论文中的主要预测对象和模型训练、验证、测试数据,用于分析滑坡不同监测点之间的空间关联关系及位移时序演化规律;降雨量和库水位数据将作为外部诱发因素,用于分析外部环境变化对滑坡位移演化的影响,并作为模型输入变量辅助提升预测精度。 本研究拟构建深度学习滑坡位移预测模型,并与传统时间序列模型、机器学习模型进行对比实验,验证多监测点时空建模方法在滑坡位移预测中的有效性。相关数据将服务于课题中边坡滑移演化分析、稳定性评价及灾害风险防控方法研究,同时用于本人硕士学位论文研究,不用于商业用途,不向第三方传播或二次发布。后续论文、报告或成果中将按照平台要求规范引用数据来源并致谢。 申请人姓名:冷冰 导师姓名及职称:张利,教授,辽宁大学信息学部
|
| 2 | 2026/07/22 05:14 | 陈* |
准备发表期刊论文,论文主题是采用深度学习方法进行滑坡监测和预测,使用本数据进行模型训练,导师为武汉理工钱闯副教授。希望可以接受申请。
|
| 3 | 2026/05/27 00:45 | 周*正 |
用于本科毕设《基于神经网络的GNSS监测结果分析与变形预警模型研究》
|
| 4 | 2026/05/18 01:03 | 熊* |
尊敬的老师: 您好! 我是成都理工大学的硕士研究生,目前正在进行基于深度学习的滑坡位移预测研究,拟复现陈建林硕士论文《基于深度学习的滑坡位移预测研究》(2023)中的实验。 该论文使用了白水河滑坡2007-2012年的位移、降雨及库水位监测数据作为核心数据集。经检索发现,您发布的“2007-2012年长江三峡库区秭归县白水河滑坡基本特征及监测数据”与论文需求完全匹配,特申请下载使用。 该数据仅用于学术研究,保证遵守数据使用规定,不用于任何商业用途。 感谢您的支持!
|
| 5 | 2026/03/21 23:25 | 马* |
因参加统计建模比赛时需要数据集中数据进行比赛,特此申请。
|
| 6 | 2026/02/07 19:15 | 谢* |
论文题目:基于深度学习模型的滑坡位移预测方法研究
数据在研究中的作用:训练深度学习模型
论文类型:期刊论文
导师姓名:谢凯
|
| 7 | 2025/12/31 04:12 | 张*柱 |
申请数据用于项目需求,项目为极端灾害下的预警系统
|
| 8 | 2025/12/29 19:09 | 卢*洋 |
论文题目:基于深度学习滑坡位移预测
数据在研究中的作用:作为机器学习模型的训练集和验证集
论文类型:科研论文
导师姓名:田斌
|
| 9 | 2025/12/27 00:03 | 刘* |
进行滑坡灾害预警的资料学习,将严格遵守相关规定。
|
| 10 | 2025/12/15 22:48 | 黄*猗 |
本人正在开发一套针对复杂地质环境下滑坡变形趋势的预测算法。为了验证该算法在真实场景下的表现,急需具有代表性的长序列监测数据进行测试。
具体数据用途:
数据源: 将使用数据集包含的白水河、砚包、八字门等滑坡的2004年及2009年变形监测数据(包括GPS位移、地质巡查记录等)。
算法验证: 将数据集作为“地面真值(Ground Truth)”,输入到预测模型中。通过计算预测曲线与实际监测曲线的相关系数
𝑅
2
R
2
及平均绝对误差
𝑀
𝐴
𝐸
MAE,评估算法对滑坡“阶跃型”或“匀速型”变形特征的捕捉能力。
结果对比: 将该数据集作为基准(Benchmark),对比本算法与传统灰色预测模型、SVM模型在三峡库区滑坡案例上的性能差异,以证明本算法的优越性。
|
© 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

