联合PS-InSAR技术与多变量LSTM神经网络的高铁路基冻胀形变预测研究

摘要：

针对传统形变监测及预测难以做到大范围监测和精准预测的问题,本文提出了联合PS-InSAR技术和多变量长短期记忆(M-LSTM)神经网络监测和预测高铁路基冻胀形变的方法.首先,该方法利用PS-InSAR技术获取路基冻胀空间分布特征;然后,使用皮尔逊相关系数法优化出3 种冻胀诱发因素,所得数据经预处理后组成训练数据;最后,引入LSTM构建智能化、多变量冻胀预测模型,精确地预测路基冻胀形变趋势.研究结果表明,PS-InSAR技术在大范围形变监测中具有可靠性,M-LSTM模型预测精度比传统神经网络模型更高,平均判定系数(R2)、平均绝对误差(MAE)和平均均方根误差(RMSE)分别为0.973、0.024 mm和0.035 mm,说明M-LSTM模型在高铁路基冻胀形变预测中具有较好的应用价值,同时也为路基冻胀形变预测提供了新思路.

关键词：PS-InSAR、多变量LSTM模型、高铁路基冻胀、形变预测

分类号：P237;TU196(摄影测量学与测绘遥感)

资助基金：国家自然科学基金41964008

在线出版日期：2024-02-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：58-64