| 1 |
2026/04/16 23:21 |
杨* |
毕业设计论文需要作为数据支撑，主要研究基于高斯过程回归的地质灾害风险时序评估
|
| 2 |
2026/04/09 19:51 |
ru**** R |
本人正在开展“基于深度学习的滑坡位移预测”研究，旨在探索并验证时序预测模型在不同滑坡案例上的泛化能力。新滩滑坡的监测数据（包含位移、降雨、库水位等）是进行此项研究的宝贵资料。申请数据仅用于模型的训练验证与非商业的学术发表，并保证在研究产出中按规范进行数据来源标注
|
| 3 |
2026/03/22 23:59 |
黄*文 |
本人从事滑坡时序预测与地质灾害智能预警研究，需依托公开数据集开展算法训练与对比实验，确保研究结果客观可复现。申请该数据集仅限学术科研使用，承诺遵守数据使用规范，不泄露、不传播、不商用。
|
| 4 |
2026/03/21 23:24 |
马* |
因参加统计建模比赛时需要数据集中数据进行完成比赛的相关内容，特此申请。
|
| 5 |
2026/01/21 00:36 |
李*媛 |
用于数学地质课程报告，利用SPSS对滑坡监测数据进行相关分析、回归分析等统计分析研究
|
| 6 |
2026/02/07 20:14 |
谢* |
论文题目：基于深度学习模型的滑坡位移预测
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 |
2025/12/22 00:50 |
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
|
| 8 |
2025/11/01 21:47 |
贺*翔 |
申请用于项目研究学习，研究内容：利用大模型对滑坡等灾害实现预警
|
| 9 |
2025/10/22 23:06 |
樊*龙 |
本人为南昌大学水利工程博士研究生樊成龙，指导教师为姚池教授，为构建人工神经网络数据集以预测边坡变形特此申请下载数据，在后续的大小论文中将严格按照学术规范引用数据来源，感谢！
|
| 10 |
2025/10/19 02:09 |
Ha****ao |
本人系同济大学土木水利硕士研究生，正在进行以边坡时序大模型为主题的论文工作。本研究旨在探索前沿时序大模型技术，以提升边坡失稳风险的精准预警与智能化治理水平，对于保障重大基础设施安全具有重要的理论研究价值与工程应用前景。然而，时序大模型的训练与验证高度依赖于大规模、高质量的边坡时序监测数据。目前，国内该领域公开、完备的数据集较为稀缺。为此，特恳请贵单位能够予以支持，惠准共享部分相关的边坡时序监测数据。本研究承诺所获数据将严格用于学术科研目的，并遵守贵单位的所有数据使用与管理规定。恳请贵单位能够考虑本申请，助力前沿科技探索与高端人才培养。期待您的佳音！
申请人：晁昊
论文类型：硕博论文
指导老师：张洁 教授 （长江学者特聘教授）
所在单位：同济大学土木工程学院
|
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.2020.93
10.12072/sanxia.014.2017.db
