首页|期刊导航|地质通报|基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测

基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测

周定义左小清赵志芳喜文飞葛楚

地质通报2023，Vol.42Issue(10)：1774-1783,10.

地质通报2023，Vol.42Issue(10)：1774-1783,10.DOI:10.12097/j.issn.1671-2552.2023.10.013

基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测

Prediction of urban land subsidence by SBAS-InSAR and improved BP neural network

周定义 ¹左小清 ²赵志芳 ³喜文飞 ⁴葛楚⁵

作者信息

1. 云南大学国际河流与生态安全研究院,云南昆明 650050||昆明理工大学国土资源工程学院,云南昆明 650093
2. 昆明理工大学国土资源工程学院,云南昆明 650093
3. 云南大学国际河流与生态安全研究院,云南昆明 650050||云南大学地球科学学院,云南昆明 650050||自然资源部三江成矿作用及资源勘查利用重点实验室,云南昆明 650051||云南省三江成矿与资源勘查利用重点实验室,云南昆明 650051||云南省国产高分卫星遥感地质工程研究中心,云南昆明 650050||云南省中老孟缅自然资源遥感监测国际联合实验室,云南昆明 650051
4. 云南大学国际河流与生态安全研究院,云南昆明 650050
5. 昆明市规划设计研究院有限公司,云南昆明 650041
折叠

摘要

关键词

SBAS-InSAR/地面沉降/影响因子/BP算法

Key words

SBAS-InSAR/subsidence monitoring/influence factor/BP algorithm

分类

天文与地球科学

引用本文复制引用

周定义,左小清,赵志芳,喜文飞,葛楚..基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测[J].地质通报,2023,42(10):1774-1783,10.

基金项目

国家自然科学基金项目《基于张量分解的分布式目标InSAR相位估计与形变模型解算》(批准号:42161067)、云南省应用基础研究计划面上项目《基于全卷积神经网络的多源遥感影像变化检测》(编号:2018FB078)、云南省教育厅科学研究基金项目《顾及InSAR监测适宜性并引入形变速率分级的滑坡敏感性评价新方法》(编号:2023Y0196) （批准号:42161067）

地质通报

OA北大核心CSCDCSTPCD

ISSN：1671-2552

访问量0

下载量0

段落导航