一种基于深度学习的大范围地面沉降时空预测方法和系统

摘要

本申请公开了一种基于深度学习的大范围地面沉降时空预测方法和系统，首先获取等时间间距的地面沉降数据，利用空间聚类算法进行空间分区，得到若干个同质子区域。对同质子区域的任意点目标进行空间建模，采用反距离加权方法获取点目标的时空特征邻域，然后获取点目标的训练样本和测试样本。在同质子区域中构建基于长短期记忆网络的时空预测模型，对模型进行训练，随后对时空预测模型进行测试后，对大范围地面沉降进行预测。通过处理InSAR技术获取的地面沉降数据，创新性地运用深度学习技术对大区域下的点目标做出预测，提高了现有地面沉降预测方法的精度与效率，减小了大速率、不均匀的沉降对人类生活造成的危害。