GCN-GAT混合模型的公路边坡雨季预警方法OA

本文针对边坡失稳风险预警中多源异构数据融合与动态触发机制建模的难题,提出GCN-GAT混合神经网络模型。结合图卷积网络(Graph Convolutional Network,GCN)的时空信息融合能力与图注意力网络(Graph Attention Network,GAT)的动态权值分配,构建水文-地质耦合评估模型;通过级联特征框架统一处理地形、岩性及降雨数据,利用图传播提取监测点空间关联,引入注意力机制量化降雨动态变化,并基于时间衰减因子建立风险触发函数。在西南地区12处边坡的测试中,模型F1-score达0.892,预警提前量增加36.8%(5.2h),误报率降低38.7%。该模型显著提升了雨季工况下的预警可靠性,为边坡动态风险管理提供了高效技术支撑。