小波-LSTM神经网络在地铁沿线沉降预测中的应用 |
| |
引用本文: | 孙宇超,魏长寿,李志进,张明刚,刘玉针.小波-LSTM神经网络在地铁沿线沉降预测中的应用[J].北京测绘,2022(5):664-669. |
| |
作者姓名: | 孙宇超 魏长寿 李志进 张明刚 刘玉针 |
| |
作者单位: | 1. 山东科技大学测绘与空间信息学院;2. 内蒙古科技大学矿业与煤炭学院 |
| |
摘 要: | 为缓解城市交通压力,地铁工程的修建日益加快,但其施工、运营都会造成沿线地表沉降,为有效预防地表沉降引起的地质灾害。本文基于51景升轨Sentinel-1A卫星影像,应用差分干涉测量短基线集时序分析(SBAS-InSAR)技术获取青岛地铁三号线沿线地表形变信息,分析地铁沿线主要沉降区域的成因,并对沉降区域内的特征点使用小波分解、重构,对降噪后的形变时间序列进行了模拟和预测。发现了4个主要的沉降区域,其中青岛北站周边沉降最为严重,沉降速率为-10.42 mm/a。优化后的长短期记忆(LSTM)神经网络模型对形变时间进行预测,其精度比传统LSTM、多层前馈BP神经网络模型更优,证明该模型在城市地铁沿线的地质灾害预防中具有广泛应用价值。
|
关 键 词: | 差分干涉测量短基线集时序分析(SBAS-InSAR)技术 小波降噪 长短期记忆(LSTM)神经网络模型 形变预测 |
|
|