小波-LSTM神经网络在地铁沿线沉降预测中的应用

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。