大范围地表沉降时序深度学习预测法

LIU Qinghao,ZHANG Yonghong,DENG Min,WU Hongan,KANG Yonghui,WEI Jujie

Acta Geodaetica et Cartographica Sinica（2021）

引用 3|浏览5

暂无评分

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.

查看译文

关键词

ground settlement,time series prediction,deep learning,lstm,insar

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要