| 1 |
2025/12/25 03:11 |
卢*洋 |
论文题目：基于机器学习滑坡位移预测
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
|
| 2 |
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
|
| 3 |
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
|
| 4 |
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
|
| 5 |
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！
|
| 6 |
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
|
| 7 |
2025/06/05 04:33 |
吴*玲 |
论文题目：动水作用下库岸堆积层滑坡长期稳定性研究
数据在研究中的作用：数据分析
论文类型：硕士论文
导师姓名：章广成、张抒
|
| 8 |
2025/05/14 01:26 |
李*哲 |
论文题目：库区滑坡超前判识
数据在研究中的作用：训练模型，基础数据
论文类型：期刊论文
导师姓名：周家文
|
| 9 |
2025/05/09 00:00 |
付*娣 |
一、研究背景与意义
三峡库区作为我国重要的水利枢纽区域，其地质环境复杂且极为敏感，滑坡等地质灾害频发，严重威胁着库区居民的生命财产安全以及长江航运、水利设施等的安全运营。白水河滑坡、八字门滑坡、树坪滑坡、新滩滑坡和链子崖危岩体是三峡库区具有重大危险性的地质灾害体，对它们的监测与研究对于保障库区安全、防灾减灾以及库区生态环境的可持续发展具有极为关键的意义。
我的科研项目聚焦于三峡库区地质灾害的成因机制、变形规律以及风险评估等领域，通过对这些关键滑坡体的深入研究，旨在为库区地质灾害的监测预警、防治工程的设计与实施提供更科学、准确的理论依据和技术支撑，以降低地质灾害风险，保障库区的长期稳定与发展。
二、数据的独特价值
该监测年报详细记录了 2017 年白水河滑坡、八字门滑坡、树坪滑坡、新滩滑坡、链子崖危岩体的专业监测情况，涵盖了滑坡基本情况、监测网布置与运行情况以及变形监测分析与综合分析等多个关键方面的数据信息。这些数据具有独特的价值和不可替代性：
滑坡基本情况数据 ：包括滑坡的地理位置、地质构造、岩土体性质、规模等信息，这些基础数据是了解滑坡本体特征的起点，有助于我从宏观上把握各滑坡体的基本属性，为后续的成因分析和模型构建提供重要的基础参数。
监测网布置与运行情况数据 ：详细展示了监测点的分布、监测仪器的类型及精度、监测频率以及监测系统的运行状态等内容。通过对这些数据的分析，我可以了解当前针对这些重大地质灾害体所采用的监测手段和技术方法的有效性与局限性，评估监测数据的可靠性和代表性，同时为优化监测方案提供参考依据。
变形监测分析与综合分析数据 ：这是监测年报的核心价值所在，包含了通过对监测数据的处理和分析所得到的滑坡变形规律、变形速率、变形趋势等关键成果，以及综合考虑多种因素对滑坡稳定性评价和预测的结论。这些变形监测分析数据能够直接反映滑坡在 2017 年的活动状态和发展趋势，对于研究滑坡的时空演化规律、建立滑坡动力学模型以及开展滑坡灾害风险评估和预警研究具有极为重要的支撑作用。
三、对科研项目的推动作用
获取该监测年报数据将对我的科研项目产生巨大的推动作用：
深化研究内容 ：目前，我的研究在滑坡变形监测数据分析方面还存在数据量不足、时间序列不完整等问题，该监测年报数据的引入将极大地丰富研究数据，使我能够更深入地分析三峡库区这五处重大地质灾害体在 2017 年这一关键时期的变形特征和规律，进一步挖掘滑坡变形的内在机制和影响因素，从而深化研究内容，提高研究的科学性和准确性。
验证和完善模型 ：在前期的研究中，我基于部分已有数据构建了一些滑坡变形预测模型和稳定性评价模型，但这些模型还需要更多的实际监测数据进行验证和优化。该监测年报中的变形监测分析数据将作为重要的验证数据集，用于检验模型的预测精度和可靠性，同时根据模型验证结果对模型参数进行调整和优化，使模型更贴合实际情况，提升模型的实用性和有效性。
开展综合风险评估 ：利用监测年报中的综合分析数据，我将结合其他相关数据，开展三峡库区地质灾害综合风险评估研究。通过对五处重大地质灾害体的风险评估，识别出高风险区域和薄弱环节，为制定针对性的地质灾害防治策略和应急处置方案提供科学依据，提高库区地质灾害的防御能力和管理水平。
|
| 10 |
2025/04/08 17:31 |
张*龙 |
论文题目：基于卷积神经网络模型的滑坡位移预测
数据在研究中的作用：训练模型
论文类型：本科论文
导师姓名：高彩云
|
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.ncdc.Sanxia.2020.80
10.12072/sanxia.012.2017.db
