摘要
本发明公开了一种InSAR与图神经网络结合的地表形变时空预测方法,适用于地表形变的时空预测。基于DS‑InSAR获取高相干测点的雷达视线向时序地表形变;计算测点间的地理距离及各点对应形变序列间的互信息;依据测点间地理距和互信息判断高相干测点间的连接性生成邻接矩阵,将原始InSAR形变监测结果组织为图结构数据;将图结构数据输入到LSTM‑GCN模型预测获得整个区域中所有高相干测点的地表形变。本方法不仅预测精度高,而且适用范围广泛,能有效应用于矿井关闭、地下资源开发、自然灾害等导致的地表及建(构)筑物形变时空预测等领域。
技术关键词
时空预测方法
神经网络模型
GCN模型
时序
构建不规则三角网
数字高程模型数据
相位解缠算法
相干性
度量
地表监测点
影像
信息熵
可读存储介质
两点
数据校正
处理器
自然灾害
存储器
计算机设备
系统为您推荐了相关专利信息
融合视觉特征
情绪识别模型
神经网络模型
抑郁
视频流
动态带宽分配方法
电力通信网络
动态带宽分配系统
深度强化学习算法
电力通信业务
系统优化调度方法
电热耦合系统
训练神经网络模型
可再生能源
筛选算法
神经网络处理器
神经网络模型
数据处理方法
核心
控制器