| 基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测 |
| |
| 引用本文： | 周定义,左小清,赵志芳,喜文飞,葛楚.基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测[J].地质通报,2023(10):1774-1783. |
| |
| 作者姓名： | 周定义 左小清 赵志芳 喜文飞 葛楚 |
| |
| 作者单位： | 1. 云南大学国际河流与生态安全研究院;2. 昆明理工大学国土资源工程学院;3. 云南大学地球科学学院;5. 云南省三江成矿与资源勘查利用重点实验室;6. 云南省国产高分卫星遥感地质工程研究中心;7. 云南省中老孟缅自然资源遥感监测国际联合实验室;8. 昆明市规划设计研究院有限公司 |
| |
| 基金项目： | 国家自然科学基金项目《基于张量分解的分布式目标InSAR相位估计与形变模型解算》(批准号：42161067)；;云南省应用基础研究计划面上项目《基于全卷积神经网络的多源遥感影像变化检测》(编号：2018FB078)；;云南省教育厅科学研究基金项目《顾及InSAR监测适宜性并引入形变速率分级的滑坡敏感性评价新方法》(编号：2023Y0196)； |
| |
| 摘 要： | 针对现有城市地面沉降预测方法过度依赖沉降数据、模型单一等问题，以云南省昆明市主城区为研究对象，从多时序多因子角度提出一种改进BP神经网络在城市地面沉降中的预测方法。首先，利用SBAS-InSAR技术获取主城区地面沉降监测值，然后通过SPSSAU软件中的灰色关联分析和因子分析选取主城区地面沉降的影响因子，并将其与获取的沉降监测值从多因子多时序角度构建GA-BP和PSO-BP预测模型，最后，得出最优的预测模型并进行预测性能验证。实验结果表明：利用SBAS-InSAR能有效监测城市地面沉降；GA-BP算法相比PSO-BP算法在城市地面沉降预测中性能更好、精度更高；该方法可对长时间、大范围城市地面沉降预测和对某一沉降点多期沉降趋势进行预测。该方法可作为城市地面沉降预测的有效手段，为政府部门决策提供了一种高效快速的方法。
|
| 关 键 词： | SBAS-InSAR 地面沉降 影响因子 BP算法 |
|
| 点击此处可从《地质通报》浏览原始摘要信息 |
| 点击此处可从《地质通报》下载免费的PDF全文 |
