烟台经济技术开发区黄渤海地质资源环境研究院

本发明涉及机器学习技术领域，具体为一种基于机器学习的复杂地质灾害演变态势推演方法及系统，所述方法包括：采集地质灾害隐患点的地质调查数据、数字高程模型及多源监测数据，建立复杂地质灾害时空关联数据集；基于复杂地质灾害时空关联数据集建立表征灾害连续演化过程的灾害演化状态链；基于灾害演化状态链生成连续状态片段，统计各连续状态片段连续保持的监测周期数量及状态持续时间，计算各连续状态片段对应的连续保持比例，并结合状态切换密度计算各连续状态片段对应的状态稳定贡献度。本发明通过将物理连续性约束嵌入机器学习框架，利用Transformer模型准确识别入渗停滞期内的持续传递过程，有效避免灾害演化状态链的人为断裂。