融合深度学习与多源数据的地质沉降监测方法及系统

本发明公开了融合深度学习与多源数据的地质沉降监测方法及系统，涉及地质沉降技术领域，包括采集多源沉降观测和驱动数据，基于历史记录生成沉降风险区掩膜并自适应划分网格；通过克里金插值生成多源沉降场，并映射驱动因子网格场；对沉降场与驱动因子进行空间金字塔与时间多尺度分解，得到时空子带；基于子带置信权重进行贝叶斯融合，得到融合沉降场；将融合场与驱动因子输入深度学习模型训练多尺度预测子模型，并通过跨尺度一致性重建全域连续沉降预测场；根据预测结果动态优化风险掩膜和网格，实现迭代监测。解决了地质沉降监测中多源数据融合困难、空间尺度异质以及局部高风险区域沉降难以准确预测的问题。