典型文献
基于深度学习的地表形变预测
文献摘要：
地表沉降属于一种动态且长期存在的地质变动现象,唐山南湖生态城区域在发展过程中出现了显著的地表沉降问题.为掌握研究区地面沉降趋势,通过构建ARIMA模型、SVM模型、LSTM模型,揭示变形监测数据蕴含的规律,从而针对监测区域的形变情况进行预测.采用RMSE、MAE和MAPE 3个评价指标对模型的预测结果进行精度评估.研究结果表明:与其他2个模型相比,LSTM模型的预测结果与原始值较为一致,LSTM模型的RMSE、MAE、MAPE值均为最小,模型预测精度高,满足研究区地表形变监测工程需求,可应用于实际生产中.该研究成果对当地的防灾减灾和城市发展建设具有非常重要的意义.
文献关键词：
地表形变;深度学习;时间序列;LSTM
中图分类号：
作者姓名：
高眯眯;张永彬
作者机构：
华北理工大学 矿业工程学院,河北 唐山 063210
文献出处：
引用格式：
[1]高眯眯;张永彬-.基于深度学习的地表形变预测)[J].华北理工大学学报（自然科学版）,2022(04):110-116
A类：
地表形变预测
B类：
地表沉降,长期存在,唐山,山南,南湖,生态城区,沉降问题,地面沉降,ARIMA,变形监测数据,RMSE,MAE,MAPE,精度评估,地表形变监测,工程需求,防灾减灾,发展建设
AB值：
0.303678
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
