| 大范围地表沉降时序深度学习预测法 |
| |
| 引用本文： | 刘青豪,张永红,邓敏,吴宏安,康永辉,魏钜杰.大范围地表沉降时序深度学习预测法[J].测绘学报,2021,50(3):396-404. |
| |
| 作者姓名： | 刘青豪 张永红 邓敏 吴宏安 康永辉 魏钜杰 |
| |
| 作者单位： | 中南大学地球科学与信息物理学院,湖南长沙410083;中国测绘科学研究院,北京100830;中国测绘科学研究院,北京100830;中南大学地球科学与信息物理学院,湖南长沙410083 |
| |
| 基金项目： | 中国测绘科学研究院基本科研业务费;国家自然科学基金;政府间国际科技创新合作重点专项 |
| |
| 摘 要： | 地表沉降不仅影响社会经济的可持续发展,还威胁人类的生命安全.高精度的地表沉降预测对人类预防地质灾害具有重要意义.现有的预测方法因模型参数难以获取或相关数据的缺乏而难以得到可靠的预测结果,针对此问题,本文提出一种基于深度学习的地表沉降预测方法.首先采用多主影像相干目标小基线干涉技术MCTSB-InSAR获取大区域高精度地表形变时序反演结果;其次利用循环神经网络作为网络架构,用长短期记忆(LSTM)模型进行地表沉降特征学习;最后采用网格搜索的方法调整模型参数,进而获取最优的模型参数组合方案.实际观测结果显示,相较于现有地表沉降预测方法,本文提出的预测模型平均绝对误差(0.3 mm)至少降低了27.3％,差分沉降量平均预测精度至少提高了8.9％.空间格局分析的结果表明,LSTM模型对于大区域时序形变的短期预测是有效的.
|
| 关 键 词： | 地表沉降 时间序列预测 深度学习 长短期记忆 InSAR |
Time series prediction method of large-scale surface subsidence based on deep learning |
| |
| LIU Qinghao,ZHANG Yonghong,DENG Min,WU Hongan,KANG Yonghui,WEI Jujie.Time series prediction method of large-scale surface subsidence based on deep learning[J].Acta Geodaetica et Cartographica Sinica,2021,50(3):396-404. |
| |
| Authors: | LIU Qinghao ZHANG Yonghong DENG Min WU Hongan KANG Yonghui WEI Jujie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
