| 结合DS-InSAR和LSTM的矿区地面沉降监测与预测 |
| |
| 作者姓名： | 王本浩 王延霞 项学泳 胡洪 |
| |
| 作者单位： | 1.安徽大学资源与环境工程学院,安徽 合肥 230000;2.滁州学院地理信息与旅游学院,安徽 滁州 239000 |
| |
| 基金项目： | 滁州市科技计划 ( 2021ZD009 );高校自然科学研究重点项目 ( KJ2021A1084 );高校自然科学研究重点项目 ( KJ2021A1077 );国家自然科学基金 ( 42304095 ) |
| |
| 摘 要： | 针对常规InSAR技术在矿区沉降监测中点密度较低且分布不均匀的问题,本文利用 2020 年 8 月至 2023 年 8 月的 36 景Sentinel-1A影像数据,采用DS-InSAR技术获取了安徽省滁州市琅琊山矿区的地表形变信息;利用LSTM神经网络模型对该矿区地面沉降严重区域未来沉降趋势进行了预测,了解矿区地表沉降未来发展趋势.研究结果表明:①DS-InSAR技术相较于传统的PS-InSAR技术,能够显著增加矿区监测点的数量,更全面地反映矿区地表沉降信息;②监测时段内,矿区共存在3 处形变区,最大沉降量达32.4 mm,最大沉降速率为10.8 mm/a;③利用选取的6 个沉降特征点,通过与GM(1,1)模型对比发现,LSTM神经网络模型展现出更高的预测精度;④针对累计沉降量最大的区域,采用LSTM模型对该区域内的6 个特征点未来12 个月的累计沉降量进行预测,结果显示,该区域的未来沉降量在一定范围内波动,暂未观察到明显的沉降趋势.
|
| 本文献已被 万方数据 等数据库收录！ |
|
