典型文献
顾及空间异质性的大范围地面沉降时空预测
文献摘要：
大速率、不均匀的地面沉降已经威胁到人类的生产活动,高精度的沉降预测结果对于地质灾害的精准防控具有重要意义.为掌握地面沉降的演化规律,利用现场观测数据或InSAR数据开展了多项预测研究.然而,由于空间异质性的存在,大范围地面沉降的准确预测仍然是一项挑战.在这项研究中,从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法STLSTM(Spatio-temporal Long Short-Term Memory).首先,通过聚类识别地理空间中的均质子区;然后,在每个子区中,一个特别的长短期记忆LSTM(Long Short-Term Memory)网络被用来捕捉局部位置的非线性特征;最后,利用预训练的网络对未来时刻的地面沉降进行定量预测.在实验部分,哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能,利用空间统计指标分析了模型的有效性.结果表明,STLSTM在152 s内达到了最高的预测精度(71.4％),且能够有效弱化空间异质性对大区域沉降预测任务的影响.总之,这项研究将空间异质性处理策略融合到深度学习模型中,实现了高精度、高时效的大范围地面沉降时空预测.
文献关键词：
遥感;地面沉降;时空预测;异质性;LSTM;InSAR
中图分类号：
作者姓名：
刘青豪;刘慧敏;张永红;吴宏安;邓敏
作者机构：
中南大学地球科学与信息物理学院,长沙410083;中国测绘科学研究院,北京100830
文献出处：
引用格式：
[1]刘青豪;刘慧敏;张永红;吴宏安;邓敏-.顾及空间异质性的大范围地面沉降时空预测)[J].遥感学报,2022(07):1315-1325
A类：
STLSTM
B类：
顾及,空间异质性,围地,地面沉降,时空预测,生产活动,沉降预测,地质灾害,精准防控,演化规律,现场观测,观测数据,InSAR,预测研究,准确预测,Spatio,temporal,Long,Short,Term,Memory,地理空间,质子,子区,长短期记忆,非线性特征,预训练,来时,定量预测,哨兵,影像数据,基准方法,空间统计,统计指标,指标分析,大区域,区域沉降,总之,处理策略,策略融合,合到,深度学习模型
AB值：
0.340151
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。
