研究概要：
滑坡作为一种破坏性极强的地质灾害，长期威胁人类的生命财产和重大工程安全。精确预测滑坡位移的演化趋势，是该类灾害早期预警与风险防控的核心挑战。传统的滑坡预测方法多聚焦于少量测点数据的时间序列建模，难以充分挖掘滑坡变形分布的空间关联性。同时，主流的深度学习模型普遍存在“黑箱”特性，缺乏对位移主导控制因子及其影响机制的清晰解释，限制了这些模型在滑坡预警决策中的应用可信度。该研究提出了一种融合图神经网络（GNN）与门控循环单元（GRU）的可解释性时空深度学习模型（ST-GNN），为滑坡预测预警开辟了一条新路径。
分析结果显示：ST-GNN模型的预测精度与稳健性显著优于传统的长短期记忆网络（LSTM）、GRU等方法。同时，模型内嵌的注意力模块识别了滑坡不同位置处位移的主控因子：坡脚处位移受库水位波动主导，因其毗邻河岸；坡顶处位移则对降雨和气温变化更为敏感，反映日照诱发地表干裂，进而对入渗路径有调控作用。本研究揭示的这种空间变异现象为深入理解藕塘滑坡变形的主控机制、设置分区化预警阈值及差异化治理策略提供了科学依据。
三峡库区藕塘滑坡
具有可解释特征的时空深度学习模型：(a)测点的位移时间序列；(b) 位移趋势项与周期项时间序列分解；(c)时空图神经网络模型；(d)时滞计算模块
核心PI
朱鸿鹄 |
南京大学
|
1、土体工程地质界面（国家自然科学基金杰出青年科学基金项目，主持人）；
2、面向***技术研发（“十四五”国家重点研发计划项目，主持人）；
3、基于多元感知与数物驱动的滨海深埋输水隧洞劣化渗漏机理及预测研究（国家自然科学基金国际合作项目，主持人）；
4、高寒环境水循关键参量—冻土、冰川和积雪监测设备研制（“十四五”国家重点研发计划子课题，主持人）；
5、配备多尺度物联网的线状工程结构韧性提升与可持续发展（欧盟“地平线”科学计划，中方合作单位负责人）；
6、地下连续墙性能评估：从混凝土浇筑到结构长期监测（香港研究资助局科研基金，境内合作单位负责人）；
7、工程地质学（国家自然科学基金优秀青年科学基金项目，主持人）；
8、地下多源多场传感集成的特大滑坡实时监测技术与装备研制（“十三五”国家重点研发计划课题，主持人）；
9、基于多源多参量融合的滑坡多发区地下管线健康诊断及灾变机理研究（国家自然科学基金面上项目，主持人）；
10、地面沉降作用下地下管线时效形变智能感知及破坏机理研究（国家自然科学基金面上项目，主持人）；
文章信息：
上述研究成果发表于国际权威期刊《Journal of Geophysical Research: Machine Learning and Computation》。南京大学地球科学与工程学院博士研究生王佳为文章第一作者，朱鸿鹄教授为文章通讯作者。该研究工作得到了国家自然科学基金杰出青年科学基金（42225702）、国际（地区）合作与交流项目（42461160266）及欧盟地平线玛丽·居里行动项目（101131146）的联合资助。
论文发表：
点击文末“阅读原文”可查看相关原文。