| 1 |
2026/05/15 05:01 |
杜*洋 |
贵单位您好，本人杜凯洋，系成都大学建筑与土木工程学院土木工程专业2025级硕士研究生。研究方向为基于深度学习的浅层滑坡变形特征预测。 浅层滑坡是我国西部地区常见的地质灾害类型，具有分布广、突发性强、致灾后果严重的特点。近年来，深度学习技术在时序预测领域取得显著进展，为滑坡位移预测提供了新的技术路径。然而，深度学习模型的训练与验证高度依赖于高质量、长序列的滑坡变形监测数据，而此类数据获取难度大，是制约该研究方向发展的主要瓶颈。国家冰川冻土沙漠科学数据中心作为国家首批认定的科学数据中心之一，长期致力于冰川、冻土、沙漠及寒旱区灾害数据的资源建设与共享服务，已在三峡库区、舟曲等地滑坡灾害研究中积累了丰富的数据资源，为中心开展灾害数据分析与防灾减灾研究提供了重要支撑。 本人正在开展题为《基于深度学习的浅层滑坡变形特征预测研究》的硕士学位论文工作。研究拟构建浅层滑坡位移预测模型，通过挖掘历史变形监测数据中的时序演化规律，实现对滑坡变形趋势的提前预测与预警。现向贵中心申请获取相关数据。
|
| 2 |
2026/05/14 21:03 |
梁*佳 |
滑坡位移时间序列预测方法研究，我国国土面积广大，地形复杂多样，各类地质灾害频发。滑坡灾害是我国地质灾害中发生频率最高、危害最大的类型之一，因此滑坡位移预测在灾害预防中是一种十分重要有效的方法。因为滑坡位移序列受多种因素的影响，通常是非平稳、非线性且由多尺度耦合，所以传统的单一预测模型在精准预测位移演化和预测精度上具有一定的困难。为了提升滑坡位移预测的准确性与可靠度，本文以滑坡位移时间序列预测为研究对象，系统梳理了滑坡位移的基本理论、方法体系以及发展脉络；基于深度学习理论和方法，提出基于“分解–预测–重构”的变权组合预测模型（Variable Weight Combination，VWC）。实验预测需要一组真实的滑坡位移监测数据集
|
| 3 |
2026/05/14 19:38 |
彭*桂 |
滑坡位移预测算法与地质灾害智能防控技术研究
|
| 4 |
2026/04/22 04:33 |
孙*骏 |
论文题目：基于人工智能方法的灾害智能预警系统设计 数据在研究中的作用：数据处理 论文类型：本科生毕业论文 导师姓名：李春林
|
| 5 |
2026/03/21 01:48 |
付*慧 |
您好！
我是一名硕士研究生，目前正在开展一项关于水库型滑坡变形预测的研究工作。研究目标是构建一种融合领域知识与可解释深度学习的滑坡变形预测方法，以提高滑坡灾害预警的准确性和可解释性。我承诺：
所申请数据仅用于学术研究目的，不用于任何商业用途；
在使用数据时，将严格遵循相关引用规范，在论文、报告等成果中明确标注数据来源；
如有要求，可签署数据使用协议，并按要求提交研究成果供归档。
|
| 6 |
2026/03/14 19:14 |
姜*斌 |
您好！我是宁夏师范大学的姜文斌，目前正在开展滑坡预测的研究工作。因研究需要，特向贵单位申请 2007-2012年长江三峡库区秭归县树坪滑坡和八字门滑坡的变形监测数据，恳请予以支持。
三峡库区地质条件复杂，是研究水库型滑坡的理想天然实验室，而树坪滑坡和八字门滑坡是该区域极具代表性的典型滑坡体。树坪滑坡的变形特征对于理解库水位波动下的长期蠕变机制具有关键意义，八字门滑坡的变形历史则为分析降雨与库水联合作用下的滑坡响应提供了宝贵样本。特别是 2007-2012年 这一时段，恰好涵盖了库区水位首次达到175米试验性蓄水的关键阶段，该时段的监测数据对于揭示初次蓄水对滑坡稳定性的长期影响具有不可替代的科学价值。
目前，我正在构建/验证一套 基于时间序列分析与数值模拟的滑坡变形预测模型，需要高精度的实测位移数据来校准模型参数并验证其可靠性。这两份数据将直接用于分析滑带强度劣化规律、位移与库水位及降雨的相关性，从而提升对三峡库区滑坡演化机理的认识，并为地质灾害预警提供理论依据。
为支撑上述研究，特申请获取该时段内的地表累积位移量数据。我们郑重承诺：所申请数据仅用于本次学术研究及实验验证，不作任何商业用途；数据处理过程中将严格遵守数据安全规范，不向任何第三方扩散；研究成果发表时，将对贵单位的数据支持工作予以明确致谢。
|
| 7 |
2025/12/20 17:16 |
马*婷 |
论文题目：基于历史记录的长江三峡库区滑坡灾害时空演变分析
数据在研究中的作用：用于数据研究分析作为支撑
论文类型：本科毕业论文
导师姓名：查小春
|
| 8 |
2025/12/07 23:17 |
王* |
论文题目：降雨与库水联合作用下库岸堆积层滑坡稳定性模型
数据在研究中的作用：总结库岸堆积层滑坡的形态特征、发育特点，物质组成等，建立一个适用性较广、有数据支撑的理想堆积层斜坡模型，方便后续的理论解析计算。
论文类型：硕士论文
导师姓名：吴益平
|
| 9 |
2025/11/28 20:55 |
屈*锋 |
Paper title：Landslide displacement prediction based on the CEEMDAN method and Transformer model. Paper abstract：Landslides are a typical geological disaster and pose a great challenge to land use management. However, traditional landslide displacement models often neglect the impact of random displacements. To address this issue, this paper proposes a deep learning model based on the Transformer architecture. The model innovatively applies the CEEMDAN method to decompose landslide displacements and employs the GRA-MIC fusion correlation calculation method to identify the influencing factors of displacement. Finally, the Transformer model is used for prediction. By leveraging the self-attention mechanism, the constructed Transformer model comprehensively captures the long-term global dependencies of displacement sequences for landslide displacement prediction. Two new concepts for evaluating landslide states and landslide trends are introduced to further enhance the predictive performance of the model. Subsequently, we discuss the predictive performance of the Transformer model under four different input conditions and compare it with seven other predictive models (including CNN-BiLSTM). The experimental results demonstrate that the proposed model has strong applicability in landslide-prone areas, providing solid support for disaster prevention, mitigation, and land use management. Keywords: land use management; landslide displacement prediction; complete ensemble empirical mode decomposition with adaptive noise; transformer Paper type：研究型论文 Tutor 任青阳
|
| 10 |
2025/12/05 17:07 |
黄*骏 |
论文题目：山体滑坡多源预测系统的设计
数据在研究中的作用：模型优化验证
论文类型：硕士论文
导师姓名：张超
|
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。
CSTR:11738.11.ncdc.Sanxia.2020.89
10.12072/sanxia.020.2018.db
