典型文献
长短时记忆网络TS-InSAR地表形变预测
文献摘要：
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.
文献关键词：
遥感;地面沉降;TS-InSAR;地表形变预测;深度学习;LSTM
中图分类号：
作者姓名：
陈毅;何毅;张立峰;陈宝山;何旭;蒲虹宇;曹胜鹏;高丽雅;杨旺
作者机构：
兰州交通大学测绘与地理信息学院,兰州730070;地理国情监测技术应用国家地方联合工程研究中心,兰州730070;甘肃省地理国情监测工程实验室,兰州730070
文献出处：
引用格式：
[1]陈毅;何毅;张立峰;陈宝山;何旭;蒲虹宇;曹胜鹏;高丽雅;杨旺-.长短时记忆网络TS-InSAR地表形变预测)[J].遥感学报,2022(07):1326-1341
A类：
地表形变预测
B类：
长短时记忆网络,TS,InSAR,测地,城市基础设施,早期预警,补救措施,国际机场,Sentinel,1A,干涉技术,地面沉降监测,堆叠式,垂直方向,形变速率,真实值,平均绝对误差,准确预测,长期预测,失效性,短期预测,辅助决策
AB值：
0.210914
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。
