长短时记忆网络TS-InSAR地表形变预测

摘要：

预测地面沉降对于城市基础设施损害的早期预警和及时采取补救措施具有重要意义.本文提出基于时序InSAR数据采用长短时记忆网络(LSTM)模型来预测地面沉降.以香港国际机场为研究区域,基于Sentinel-1A升轨影像利用时序雷达干涉技术(TS-InSAR)获取2015年—2020年机场时序地面沉降监测InSAR结果;利用机场时序InSAR形变结果建立堆叠式LSTM预测模型,并将预测结果与InSAR真实结果进行对比分析.结果表明,2015,年—2020年香港国际机场地表垂直方向的平均形变速率为-19-5 mm/a.预测值与真实值的拟合均方根误差和平均绝对误差均较低,分别为0.75 mm和0.61 mm,同时其相关系数为0.99,表明LSTM预测模型在点级尺度上具有良好的性能,能够基于时序InSAR数据较准确预测地面沉降.但预测过程中发现,LSTM模型不适合长期预测,长期预测会出现失效性.本文提出的堆叠式LSTM预测模型可以作为一种有效方法来预测地表形变,尽管LSTM模型只是适用于短期预测,但其预测结果可用于辅助决策、早期预警和减轻危害.

关键词：遥感、地面沉降、TS-InSAR、地表形变预测、深度学习、LSTM

所属期刊栏目：26

分类号：P237;P315.7;P642.26

资助基金：中国博士后科学基金;甘肃省科技计划;甘肃省自然科学基金;甘肃省青年科学基金项目;兰州交通大学-天津大学创新项目;兰州交通大学优秀平台;嘉峪关市主城区地表沉降InSAR监测系统

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：1326-1341