典型文献
基于ARIMA与LSTM的海岸带地面沉降预测方法——以杭州湾地区为例
文献摘要：
快速的地面沉降是一种地质灾害,它关系到社会的可持续发展,甚至威胁人类的生命财产安全.InSAR技术可以获取地表长时间、大范围的形变数据,可用于分析潜在的地面沉降问题,为预防地质灾害提供了一种可靠手段.如何基于InSAR数据对地面沉降进行预测,一直是研究人员关注的重点方向和难题.为此,本文在前人对地面沉降预测研究的基础上,提出了一种将差分移动平均自回归(ARIMA)模型与深度学习中的长短期记忆单元(LSTM)模型相结合的地面沉降预测方法,即利用InSAR得到的形变量数据与ARIMA模型预测结果作差,然后利用LSTM对该差值进行训练与预测.以杭州湾2017—2019年InSAR监测数据为例验证了该方法,结果表明,与传统的单一预测算法相比,本文方法的均方根误差至少减小了2.23 mm,平均绝对误差至少减小了0.98 mm,平均预测精度至少提升了15.19％,验证结果证实了本文方法的可行性,为地面沉降预警工作提供了新的思路和方法.
文献关键词：
地面沉降;InSAR;LSTM;ARIMA;海岸带
中图分类号：
作者姓名：
朱宝;罗孝文;吴自银
作者机构：
上海交通大学海洋学院,上海200240;自然资源部海底科学重点实验室,浙江 杭州310012;自然资源部第二海洋研究所,浙江 杭州310012;自然资源部海洋空间资源管理技术重点实验室,浙江 杭州310012;浙江省海洋科学院,浙江 杭州310012
文献出处：
引用格式：
[1]朱宝;罗孝文;吴自银-.基于ARIMA与LSTM的海岸带地面沉降预测方法——以杭州湾地区为例)[J].海洋学研究,2022(02):53-61
A类：
B类：
ARIMA,海岸带,地面沉降预测,沉降预测方法,杭州湾,种地,地质灾害,生命财产安全,InSAR,变数,沉降问题,防地,靠手,重点方向,预测研究,移动平均自回归,长短期记忆单元,形变量,预测算法,平均绝对误差,少提,预警工作,思路和方法
AB值：
0.268144
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。
