摘要
本发明提出一种基于双分支神经网络的InSAR与GNSS融合沉降监测方法,通过插值算法将低时间分辨率InSAR数据转换为与GNSS匹配的高分辨率时间序列,构造维度对齐的输入矩阵。采用异构双通道网络分别提取InSAR空间特征与GNSS时序特征,通过降维处理提取关键信息后重构融合数据,利用数据拆分策略训练模型并优化参数,最终实现多源数据非线性关系的精准建模。该方法突破传统线性融合局限,设计异构神经网络,利用InSAR影像的高空间分辨率特征与GNSS高时间分辨率特征实现多源数据融合,解决传统方法对异源数据非线性关系建模不足的问题,提高沉降监测的时空精度和鲁棒性。
技术关键词
数据非线性关系
沉降监测方法
分辨率
地表形变监测方法
高维数据空间
插值算法
双分支网络
重构
深度学习模型
矩阵
时序特征
序列
融合特征
异构
站点
采样点
鲁棒性
训练集
系统为您推荐了相关专利信息
混凝土温度监测
光纤传感器
深度神经网络模型
移动平均算法
倾斜布拉格光栅
视觉问答模型
图像问答方法
文本
图像压缩
图像块