-
题名北京东部平原区地面沉降时空演化特征及预测
被引量：9
- 1
-
-
作者
于文
宫辉力
陈蓓蓓
周超凡
-
机构
首都师范大学水资源安全北京实验室
首都师范大学地面沉降机理与防控教育部重点实验室
首都师范大学城市环境过程与数字模拟国家重点实验室培育基地
首都师范大学京津冀平原地下水与地面沉降国家野外科学观测研究站
-
出处
《自然资源遥感》
CSCD
北大核心
2022年第4期183-193,共11页
-
基金
国家自然科学基金重点项目“京津冀典型区地下空间演化与地面沉降响应机理研究”(编号:41930109/D010702)
国家自然科学基金面上项目“南水进京背景下地面沉降演化机理”(编号:41771455/D010702)
+2 种基金
北京市自然基金面上项目“京津高铁差异性沉降区段桩-土变形耦合机制研究”(编号:8212042)
北京卓越青年科学家项目(编号:BJJWZYJH01201910028032)
北京市优秀人才青年拔尖个人项目共同资助。
-
文摘
地面沉降是地表高程下降的一种自然地质现象,若发生在人口密集、社会发展程度较高的城市,将对城市基础设施具有严重的破坏性,威胁着城市安全。地面沉降演化特征分析可以反映其对地面基础设施的影响程度,建立一个高效的地面沉降预测模型对于地面沉降的防治和保障城市安全有着重要意义。首先,利用永久散射体合成孔径雷达干涉测量方法(persistent scatterer interferometric synthetic aperture Radar,PS-InSAR)获取到地面沉降时空信息,且与水准验证得到较高的精度。其次,利用经验正交函数对地面沉降场整体时空特性进行分析,发现研究区域空间模态1方差贡献率很大,几乎代表研究区域空间的整体演化情况,对应时间系数线性趋势显著;模态2有一定的方差贡献率,但占比很小,对应的时间系数季节性显著。最后,分别利用长短期记忆(long short term memory,LSTM)与嵌入注意机制的长短期记忆(Attention-LSTM)模型对区域地面沉降进行时序预测,发现Attention-LSTM模型优于LSTM模型,其均方误差损失函数(mean square error loss,MSE-loss)可低至0.01。该预测方法扩大了深度学习在地面沉降研究方面的应用。
-
关键词
地面沉降
经验正交函数
演化特征
Attention-LSTM
时序预测
-
Keywords
land subsidence
empirical orthogonal function
evolution characteristics
Attention-LSTM
time series prediction
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
