基于深度学习的地表形变预测

摘要：

地表沉降属于一种动态且长期存在的地质变动现象,唐山南湖生态城区域在发展过程中出现了显著的地表沉降问题.为掌握研究区地面沉降趋势,通过构建ARIMA模型、SVM模型、LSTM模型,揭示变形监测数据蕴含的规律,从而针对监测区域的形变情况进行预测.采用RMSE、MAE和MAPE 3个评价指标对模型的预测结果进行精度评估.研究结果表明:与其他2个模型相比,LSTM模型的预测结果与原始值较为一致,LSTM模型的RMSE、MAE、MAPE值均为最小,模型预测精度高,满足研究区地表形变监测工程需求,可应用于实际生产中.该研究成果对当地的防灾减灾和城市发展建设具有非常重要的意义.

关键词：地表形变、深度学习、时间序列、LSTM

所属期刊栏目：44

分类号：X43(自然灾害及其防治)

资助基金：河北省自然科学基金No.D2019209317

在线出版日期：2022-10-14（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：110-116