三大核心模块
Three Core Modules
构建多尺度分解+物理特征约束的滑坡位移预测架构，系统解决传统模型的结构性失效问题。
多尺度信号解析
- • CEEMDAN一级粗筛
- • CPO-VMD二级精滤
- • 精细化信号分离
物理特征增强
- • 速度、加速度
- • 改进切向角
- • 临滑物理判据
物理约束预测
- • LSTM-Transformer
- • 物理一致性约束
- • 动力学合理性
CEEMDAN一级分解
完备集合经验模态分解（CEEMDAN）作为一级粗筛，剥离长期重力蠕滑趋势与高频动态分量。
核心优势
- 引入自适应噪声
- 计算唯一残差
- 缓解模态混叠
分解结果
- 长期趋势项
- 非平稳分量
- 高频残差
解决问题
- 模态混叠
- 信号掩盖
- 尺度混淆
CPO-VMD二级精滤
引入冠豪猪优化算法（CPO）自适应寻优变分模态分解（VMD）参数，实现高频残差的精细化二次分解。
VMD技术
核心参数
模态数K、惩罚因子α
关键问题
参数不当导致过/欠分解
CPO优化
算法优势
收敛快、鲁棒性强
优化目标
自适应确定最优K和α
物理特征构建
基于滑坡运动学原理，构建包含速度、加速度及改进切向角的多维物理特征向量。
速度特征
位移变化率，反映滑坡运动快慢
加速度特征
速度变化率，表征运动状态变化
改进切向角
建立速率与演化阶段的定量映射
演化阶段映射
蠕滑阶段
缓慢变形
匀速阶段
稳定运动
加速阶段
临滑状态
LSTM-Transformer混合网络
设计LSTM-Transformer串联结构，兼顾时序数据的局部依赖与跨长周期全局关联。
LSTM模块
- 捕捉局部时序依赖
- 处理短期记忆
- 提取序列特征
Transformer模块
- 识别全局跨尺度关联
- 自注意力机制
- 长距离依赖建模
物理一致性约束
在损失函数中引入物理一致性正则项，约束预测结果的动力学合理性。
物理定律
- • 运动学方程
- • 本构关系
- • 动力学规律
约束效果
- • 提升泛化能力
- • 增强可信度
- • 减少虚假波动
核心价值
- • 物理可解释性
- • 工程可靠性
- • 预测准确性
实验结果
以湖北省十堰市郧西县枣树洼滑坡为例，验证模型在强降雨突变段的预测性能。
性能指标
性能提升
相比单一分解模型
↑ 38%
综合预测精度提升
关键优势
- ✓ 几乎消除相位滞后
- ✓ 克服虚假波动缺陷
- ✓ 增强物理可解释性
关键创新点
创新① 二次分解策略
CEEMDAN+CPO-VMD级联分解，彻底分离降雨诱发的瞬态响应与随机噪声
创新② 物理特征融合
构建速度、加速度及改进切向角的多维物理特征，建立临滑物理判据
创新③ 物理约束机制
引入物理一致性正则项，确保预测结果符合滑坡动力学演化规律
创新④ 混合网络架构
LSTM-Transformer串联，兼顾局部时序依赖与全局跨尺度关联