中国雅江集团有限公司

一种融合多尺度与注意力的粗粒土残余变形预测方法，包括：获取粗粒土试样的颗粒属性、土体属性及外部荷载共15个物理力学参数作为输入特征；将所述输入特征输入预先训练好的深度学习预测模型，输出动剪应变及多振次下的残余剪应变和残余体应变，该模型由多尺度特征感知层、前置注意力模块、时间卷积网络、后置注意力模块和输出层依次连接，并在训练阶段引入基于物理规则的约束；根据预测结果利用沈珠江残余变形模型计算动力残余模型参数；本发明通过多尺度卷积挖掘参数耦合特征，扩张卷积时间网络扩展感受野；双重注意力聚焦关键特征与振次，物理约束保证预测与土力学规律一致，显著提升粗粒土残余变形预测精度和工程适用性。

本发明提供一种滑坡铲刮效应模拟方法及存储介质。该方法包括：获取当前计算步中的滑体粒子群，并确定滑体粒子群的空间范围；基于空间范围和预设的搜索半径，生成离散的搜索点，且搜索点的数量少于滑体粒子群的粒子数量；根据搜索点和搜索半径生成搜索范围，使得空间范围的边界落入搜索范围内；基于搜索范围，从候选计算域中确定与滑体粒子群相邻的待计算对象；将待计算对象确定为当前计算步的计算对象。通过数量少于滑体粒子数量的搜索点生成搜索范围，并基于搜索范围确定当前计算步的计算对象，可以减少逐粒子搜索和全域有限元求解带来的计算资源消耗，适用于大尺度滑坡铲刮效应模拟。

本发明公开一种基于物理信息神经网络的根区土壤水遥感反演方法及系统，包括：获取研究区域多源基础数据进行标准化预处理；基于光学梯形模型利用预处理后的遥感数据反演得到表层土壤含水率；构建物理信息神经网络‑理查兹模型，以表层土壤含水率和土壤物理参数作为输入，输出有效饱和度，并将理查兹方程嵌入训练过程中作为物理约束，以表层土壤含水率作为上边界驱动进行训练；将各像元的表层土壤含水率及对应土壤物理参数输入训练完成的模型，获得根区不同深度处的土壤含水量并进行精度验证。本发明无需深层下边界条件与根区实测数据，大幅降低了对深层边界数据和长期实测数据的依赖，能有效实现灌区大范围根区土壤墒情动态监测。

本发明公开了一种考虑陆生生态要素的环境风险预警指标体系构建方法，包括：确定预警对象、预警单元和预警时窗；获取多源环境与陆生生态要素数据；对多源数据进行时空标准化和基线构建；构建“逻辑环节—因子类别—候选指标”的分层指标库；基于适用性评分筛选核心指标、辅助指标和背景指标；构建指标阈值和预警等级；计算综合风险指数并进行环境气候修正；输出指标体系、阈值体系和预警结果。本发明通过对多源环境与生态数据进行标准化处理、因子分层、适用性评分、冗余剔除、阈值生成和综合预警输出，形成可复现的核心指标、辅助指标、背景指标及其对应预警阈值，从而提高陆生生态环境风险预警的技术针对性和早期识别能力。

本发明涉及隧道施工安全技术领域，提出了一种钻爆法机械化施工隧道围岩变形预测方法，包括：获取待预测断面的多源异构数据并进行预处理；采用嵌入层将静态类别型数据映射为稠密向量，与静态数值型数据拼接后经多层感知机提取高阶静态特征；将高阶静态特征与历史变形时间序列拼接得到融合特征序列；将融合特征序列输入时间卷积网络，利用因果空洞卷积提取时空序列特征；将时空序列特征输入多头自注意力模块对时间维度特征重加权得到强化特征；最后经全连接层输出围岩变形预测值。实现了隧道地质条件、施工参数与动态监测数据的深度融合，能捕捉围岩非平稳变形过程中的微弱前兆信号与多尺度时间依赖关系，提升了复杂多变工况下的预测精度与鲁棒性。

本发明提供了一种基于智能分支预测的关联分析方法、装置、设备及介质，包括：构建历史加权事务集；历史加权事务集中的每个事务具有基于风险强度、时间和空间维度确定的第一事务权重；获取未来时刻预测数据，基于未来时刻预测数据的预测步长和模型历史准确率，确定预测置信度衰减系数；将虚拟风险项与预测置信度衰减系数封装，生成带有第二事务权重的虚拟事务；将虚拟事务与历史加权事务集进行融合，构建包含历史信息与未来预测信息的加权事务数据库；基于加权事务数据库进行关联规则挖掘，输出包含预警信息的关联规则。该方式中，通过生成带置信度衰减的虚拟事务，将预测数据无缝融入挖掘过程，实现了未来风险预警提高了预警准确率。