循环神经网络的地面沉降预测方法

作者：岳振华,沈涛,毛曦,马维军

摘要：针对现有的地面沉降预测方法中确定性模型应用复杂,对数据参数要求高,而基于历史观测数据的时间序列模型局限于单观测点的预测,对单观测点历史数据量要求较高等问题,该文提出了一种利用互相关对地面沉降时间序列进行聚类,然后用循环神经网络(RNN)对聚类后各个数据类分别建立预测模型的方法。实现了对多观测点建立统一的沉降预测模型,且应用简单,降低了对单个观测点历史数据量的要求。基于抚顺市合成孔径雷达干涉测量(InSAR)沉降观测数据的实验结果表明,基于互相关的聚类方法能够有效地区分不同沉降趋势,而对沉降趋势相似的时间序列通过循环神经网络建立沉降预测模型有较高的精度。

发文机构：中国测绘科学研究院 首都师范大学

关键词：地面沉降互相关聚类循环神经网络沉降预测land subsidencecross-correlationclusteringrecurrent neural networksubsidence prediction

分类号： P208[天文地球—地图制图学与地理信息工程]