渗流安全监测模型是定量分析土石坝渗流安全性态的重要方法。传统的土石坝渗流安全监测模型(如统计模型、机器学习模型等)未考虑到坝体内的渗流和变形之间的相互作用，在处理多变量渗流-变形时间序列方面存在一定的局限性，难以准确地捕捉监测量的时空变化。为此，提出了一种考虑渗流-变形信息融合的监测模型GCN-Bi-LSTM-Attention

该模型采用图卷积网络(GCN)提取渗流-变形的空间特征，双向长短时记忆网络(Bi-LSTM)捕捉渗流-变形时序的双向长期时间依赖，注意力机制(Attention)则聚焦于渗流-变形时空相关的关键特征并实现时序信息融合。在BK土石坝渗流监测数据集上的测试结果表明，与5个先进的基线模型相比，所提模型在渗流预测方面表现最佳，预测精度提高了18.2%。试验结果证明该模型在复杂条件下具有更强的鲁棒性和更高的预测精度。