时序InSAR滑坡形变监测与预测的N-BEATS深度学习法 ——以新铺滑坡为例
滑坡通常发生突然,破坏力巨大,经常造成重大生命安全事故和财产损失.高可靠性、高精度及具有抗差性能的滑坡形变监测预测手段和方法对于国家防灾减灾需求具有切实意义.InSAR技术是一种能够全天时和全天候观测获取高空间分辨率和宽覆盖率影像,高灵敏性捕捉时空维动态变化的监测手段,然而目前应用InSAR时序影像对滑坡区进行滑坡预测的工作仅是凤毛麟角.基于时序InSAR观测结果,本文提出了一种能够有效解决中短期滑坡预测问题的深度学习滑坡预测方法.在三峡新铺滑坡区应用N-BEATS网络模型和Sentinel-1 SAR数据进行形变预测,以均方根误差1.1mm的预测精度完成了滑坡预测工作,并对预测结果进行了数据结构影响的规律性分析、传统方法效果对比、抗差性评估及置信区间估计等多方位的剖析,结果显示出了其高精度、高可靠性及具有一定抗差能力的突出优势.
InSAR、深度学习、滑坡预测、N-BEATS网络模型
51
P237(摄影测量学与测绘遥感)
国家重点研发课题;国家自然科学基金;湖南创新型省份建设专项;湖南省自然科学基金项目;中南大学创新驱动项目;中南大学中央高效基本科研业务费专项;湖南省研究生创新项目
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共12页
2171-2182