| 1 |
2026/07/21 18:19 |
王* |
用于项目研究——"物理约束神经过程用于滑坡位移概率预测与自适应预警"。本研究拟利用滑坡2007-2012年GPS地表位移、降雨量及库水位监测数据，开展工作： 预期成果：发表SCI期刊论文1-2篇（目标期刊：Engineering Geology / Landslides），论文中将按规范引用该数据集并致谢数据贡献者易武老师及湖北长江三峡滑坡国家野外科学观测研究站。 研究方向：岩土工程 / 滑坡灾害预测与预警
|
| 2 |
2026/07/19 00:12 |
方* |
题目：NG-RC_CSD_Landslide_Early_Warning
硕士期刊论文，用于分析滑坡
|
| 3 |
2026/07/06 19:01 |
W****n |
您好！为推进当前业务分析工作，现申请获取相关业务数据。该数据仅用于内部研究分析，我方承诺将严格保密，绝不对外泄露或用于其他任何用途，并按照数据管理规定妥善使用和处理。恳请予以批准！
|
| 4 |
2026/07/03 01:58 |
陈*中 |
本次申请数据拟用于“基于历史数据的地质灾害风险分析与评估模型研发”项目的后续研究。项目面向滑坡、崩塌、泥石流等典型山区地质灾害，拟基于历史灾害记录、地形地貌、地质环境、降雨水文、地下水、库水位、GNSS/GPS 位移、裂缝变化、InSAR 形变及遥感影像等多源异构数据，构建地质灾害多维数据融合数据库，并开展地质灾害早期识别、风险评估、预测预警和时空分布可视化分析研究。
申请数据将用于地质灾害控制因素、影响因素、诱发因素、变形迹象及已有灾害信息的整理与融合，支撑机器学习和深度学习模型训练。项目拟采用随机森林、XGBoost、CNN、LSTM 等方法，分析降雨、水位、地下水、地形、地质、植被、土地利用和位移变形等因子与地质灾害发生之间的关系，构建地质灾害风险分析与评估模型，并进一步开展滑坡变形趋势预测、灾害隐患早期识别和风险预警阈值研究。
本次申请数据仅用于科研分析、模型研发、论文撰写和项目成果验证，不用于商业转售或其他非授权用途。研究过程中将严格遵守数据共享平台的数据使用规定和引用要求，规范管理所申请数据，并在相关研究成果中按要求注明数据来源。
|
| 5 |
2026/06/25 18:44 |
李* |
基于神经ODE与状态转移的滑坡阶梯位移预测方法
本文提出一种融合连续动力系统与离散状态转移的混合建模范式：首先，利用注意力机制自动识别阶梯边界，将位移序列划分为多个演化阶梯；然后，引入神经常微分方程（Neural ODE）刻画阶梯内部的连续动力学过程，通过伴随灵敏度法实现端到端训练；最后，构建阶梯间状态转移网络，捕捉不同阶梯之间的演化衔接关系，形成“连续演化+离散跳转”的统一预测框架。（硕士论文）
|
| 6 |
2026/06/05 19:07 |
吴*妍 |
申请相关数据是为完成《库水位波动对三峡库区滑坡稳定性的影响机理》期刊论文研究。三峡库区库水位周期性、大幅度的蓄放波动，会直接改变库岸滑坡体地下水渗流场与孔隙水压力分布，是诱发库区滑坡失稳变形的核心诱因，厘清不同水位波动模式下滑坡的响应规律与稳定机制，对库区地质灾害防控具有重要的理论价值与现实意义。
现阶段本研究已完成前期文献梳理、研究思路框架搭建及研究区概况分析工作，但缺乏真实、连续的实测数据支撑，无法开展定量分析与数值模拟研究。其中，库水位调度数据是还原库区水位动态变化过程、划分水位波动工况的核心依据；气象水文数据可辅助分析降雨、径流等叠加因素对滑坡稳定性的耦合影响；滑坡基础地质数据、地形数据是构建数值模型、确定土体物理力学参数、还原滑坡原始地形地貌的基础条件；位移、孔隙水压力等现场监测数据，则是验证数值模拟结果、分析地下水滞后响应规律、定量计算滑坡安全系数的关键实测依据；遥感InSAR数据可辅助精准识别滑坡边界、校核滑坡形变特征，保障研究的真实性与准确性。
依托上述全套数据，本研究可系统开展库区滑坡地质特征梳理、水位波动规律分析、地下水响应滞后效应研究及不同工况下滑坡稳定性定量评价等核心工作，精准揭示库水位涨落影响滑坡稳定性的内在机理，有效解决现有研究中水位响应机制模糊、定量分析不足的问题，保障论文研究内容的科学性、严谨性与创新性。
本人郑重承诺，本次申请获取的所有数据仅用于本次本科毕业论文及相关学术期刊论文的非营利性学术研究，严格遵守数据使用规范与相关保密规定，不私自篡改、传播、泄露数据，不用于任何商业用途及其他非学术场景，确保数据使用合规合法。
|
| 7 |
2026/05/27 00:18 |
杜*洋 |
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。
|
| 8 |
2026/05/26 19:19 |
廖*强 |
目前在利用深度学习进行滑坡领域的位移的预测，希望得到贵部的数据以便进行数据复现，对该领域建立起更深刻的认识
|
| 9 |
2026/05/14 19:43 |
彭*桂 |
滑坡位移预测算法与地质灾害智能防控技术研究
|
| 10 |
2026/05/14 05:04 |
马*琦 |
学习论文基于平滑先验法-麻雀搜索算法-支持向量机回归模型的滑坡位移预测——以三峡库区八字门和白水河滑坡为例，进行数据复现
|
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.2020.70
10.12072/ncdc.Sanxia.db0025.2020
