Geosci. Front. | Transformer模型：一种将降雨时间序列融入多类型滑坡概率建模的深度学习方法

背景：山区滑坡灾害频发，造成严重破坏和人员伤亡。传统方法通常使用标量降雨数据，难以动态预测滑坡概率。研究目的：构建一种能够同时处理静态地形因子与连续降雨时间序列的Transformer神经网络模型，针对不同滑坡类型分别建立预测模型，并结合可解释人工智能方法，揭示降雨对滑坡概率的时空贡献。结论：该研究以意大利艾米利亚-罗马涅大区山区为研究区，利用2023年5月两次极端降雨事件数据，将降雨时间序列嵌入Transformer神经网络，模型在测试集上表现出优异性能（AUC > 0.90），其中日尺度时间序列表现最佳。通过SHAP方法量化了降雨的时空影响，为建立通用的时空滑坡预测模型奠定了基础。