Previsão da deformação de deslizamentos de terra integrando conhecimento de domínio em aprendizado profundo interpretável considerando correlações espaço-temporais

Prever a deformação de deslizamentos de terra é desafiador devido à influência de vários fatores internos e externos na ocorrência de heterogeneidades sistemáticas e localizadas. Apesar do potencial para melhorar a previsibilidade de deslizamentos de terra, o aprendizado profundo ainda não foi suficientemente explorado para padrões complexos de deformação associados a deslizamentos de terra e é inerentemente opaco. Neste contexto, desenvolvemos um método holístico de previsão de deformação de deslizamentos de terra que considera correlações espaço-temporais da deformação de deslizamentos de terra integrando conhecimento de domínio em aprendizado profundo interpretável. Ao capturar espacialmente as interconexões entre múltiplas deformações de diferentes pontos de observação, nosso método contribui para a compreensão e previsão do comportamento sistemático de deslizamentos de terra. Ao integrar conhecimentos específicos de domínio relevantes para cada ponto de observação e mesclar propriedades internas com variáveis externas, a heterogeneidade local é considerada em nosso método, identificando padrões temporais de deformação em diferentes zonas de deslizamentos. Estudos de caso envolvendo deslizamentos de terra induzidos por reservatórios e deslizamentos lentos demonstraram que nossa abordagem (1) aprimora a precisão da previsão de deformação de deslizamentos de terra, (2) identifica fatores contribuintes significativos e sua influência nas características de deformação espaço-temporal, e (3) demonstra como identificar esses fatores e padrões facilita a previsão de deslizamentos de terra. Nossa pesquisa oferece um caminho promissor e pragmático em direção a uma compreensão mais profunda e previsão de comportamentos complexos de deslizamentos de terra.