基于时序InSAR监测的VMD-SSA-LSTM矿区地表形变预测模型研究 |
| |
作者姓名: | 成睿 李素敏 毛嘉骐 李凡 毕自航 袁利伟 |
| |
作者单位: | 1. 昆明理工大学国土资源工程学院;2. 昆明理工大学公共安全与应急管理学院 |
| |
基金项目: | 国家自然科学基金项目(41961053,41861054); |
| |
摘 要: | 矿区地表形变引起的滑坡、塌陷等灾害对矿山安全生产造成了极大影响,因此对地表形变进行预测对于矿山安全开采和灾害预警预报具有重要的现实意义。采用时序InSAR技术获取矿区面域式地表形变数据,结合变分模态分解算法(VMD)对其进行分解,通过构建麻雀优化算法(SSA)与长短期记忆神经网络(LSTM)相结合的预测模型,对分解后的形变分量进行综合预测;以云南省玉溪市大红山矿区为例,利用该模型对其地表形变进行了预测,结果表明:VMD算法在一定程度上可以解决矿山地表形变数据时序特征复杂且难以直接分析判别的问题;SSA-LSTM预测模型通过智能搜索算法自动寻找预测网络模型超参数,有效减少了人为因素对模型预测效果的干扰,模型预测结果的决定系数R2均大于0.96;同时,该模型采用“多维输入”的方式训练模型,提高了训练效率;该模型在预测精度、训练效率等方面均取得了较好的效果。采用VMD-SSA-LSTM预测算法对时间序列InSAR监测下的形变数据进行分析能有效预测矿区地表形变,可为矿山安全生产管理提供参考。
|
关 键 词: | 地表形变预测 时序InSAR 变分模态分解 麻雀优化 长短期记忆神经网络 |
|