超宽带Transformer神经网络

实时滑坡位移预测

用于滑坡监测的深度学习模型

Yu, Si · Zhaofeng, He · Fan, Zhang · 孙晓云 · Chen, Yong · 郑海青

Engineering Applications of Artificial Intelligence 2025

技术优势

降低硬件成本

采用低成本UWB器件与双MCU架构，无需昂贵的高精度定位设备。

提升实时性

双MCU分布式硬件架构实现高实时性测距与处理。

抗误差传播

UWBformer通过关注相对距离变化而非绝对测距精度，减轻了测距误差的传播。

恶劣环境稳定

结合3σ准则与卡尔曼滤波预处理，野外测试在恶劣环境下仍保持准确位移估计。

应用场景

• 滑坡监测：用低成本UWB设备实时预测滑坡位移，替代昂贵监测方案。
• 地质环境监测：在复杂地形区域实现高实时性地质环境位移监测。
• 灾害预警：以高时间分辨率捕捉滑坡前兆位移，为预警争取时间。