测绘科学

2020, v.45;No.270(12) 145-152

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

循环神经网络的地面沉降预测方法
Study on prediction method of land subsidence based on recurrent neural network

岳振华;沈涛;毛曦;马维军;

摘要(Abstract):

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。

关键词(KeyWords): 地面沉降;互相关;聚类;循环神经网络;沉降预测

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 岳振华;沈涛;毛曦;马维军;

Email:

DOI: 10.16251/j.cnki.1009-2307.2020.12.022

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享