基于InSAR技术和深度学习的多因子输电通道地表形变预测方法

基于InSAR技术和深度学习的多因子输电通道地表形变预测方法，属于雷达遥感以及图像处理技术领域。解决了传统输电通道地表形变预测方法对时间序列形变特征提取能力较差、且不易捕捉到时间步长与时间序列变形之间复杂的非线性关系使得预测准确性差的问题。在模型设计阶段充分利用地表形变数据、日均降水、日均地表温度、植被覆盖度、DEM、坡度和岩性多源数据进行综合建模，全面考虑了影响输电通道地表形变的多种因素，提高对时间序列形变特征提取能力。训练阶段使用在预设时段内按预设时间间隔采集的具有时间关联的数据来对模型进行训练，提高了预测时间步长与时间序列变形之间复杂的非线性关系的精度。主要用于地表形变预测。