数据-模型混合驱动的高时空分辨率形变数据预测方法

本发明实施例中提供了一种数据‑模型混合驱动的高时空分辨率形变数据预测方法，属于测量技术领域，具体包括：处理雷达影像数据得到地表视线向历史形变数据；投影后的GNSS形变观测值对内插后的历史形变数据平差；以卡尔曼滤波模型为基本模型，将其中状态转移矩阵A、过程噪声协方差矩阵Q和观测噪声协方差矩阵R通过时空图卷积网络模型动态更新；以平差后的历史形变数据作为训练样本，利用超参数搜索方法估计时序预测模型的最佳超参数；结合后续采集的GNSS形变数据，将需要预测的时间输入目标预测模型，得到地表未来时刻形变数据。通过本发明的方案，能够同时顾及地表历史变形的时空关联性预测未来趋势，提高了预测效率、精准度和适应性。