基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测OACSCD
Prediction of urban land subsidence by SBAS-InSAR and improved BP neural network
针对现有城市地面沉降预测方法过度依赖沉降数据、模型单一等问题,以云南省昆明市主城区为研究对象,从多时序多因子角度提出一种改进BP神经网络在城市地面沉降中的预测方法.首先,利用SBAS-InSAR技术获取主城区地面沉降监测值,然后通过SPSSAU软件中的灰色关联分析和因子分析选取主城区地面沉降的影响因子,并将其与获取的沉降监测值从多因子多时序角度构建GA-BP和PSO-BP预测模型,最后,得出最优的预测模型并进行预测性能验证.实验结果表明:利用SB…查看全部>>
周定义;左小清;赵志芳;喜文飞;葛楚
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昆明理工大学国土资源工程学院,云南 昆明 650093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云南大学国际河流与生态安全研究院,云南 昆明 650050昆明市规划设计研究院有限公司,云南 昆明 650041
地质学
SBAS-InSAR地面沉降影响因子BP算法
SBAS-InSARsubsidence monitoringinfluence factorBP algorithm
《地质通报》 2023 (10)
基于张量分解的分布式目标InSAR相位估计与形变模型解算
1774-1783,10
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)
评论