来源：期刊VIP网 时间：
作者：赵凤阳;陈昌六;周吕;刘健;魏玉业;
单位：桂林理工大学土木与测绘工程学院;北京城建勘测设计研究院有限责任公司;桂林理工大学测绘地理信息学院;
摘要：针对机器学习时间序列回归方法在地面沉降预测研究中参数量较大、预测精度有待提升的问题，提出了一种基于门控循环神经网络(GRU)的地面沉降InSAR预测方法。以广西壮族自治区南宁市部分市区为研究区，基于SBAS-InSAR获取2022年1月—2024年4月研究区地面沉降状况，并选取重点工程建设区域的时间序列累计沉降量构建数据样本集用于模型训练。结果表明，在研究时段内，南宁市区地面沉降趋于稳定，主要沉降区域为城区边缘及重点工程建设区域。同时，本文所提出的地面沉降预测方法较LSTM方法相比，R~2提升了7.55%、RMSE下降了2.04 mm。本文研究结果可以为研究区城市规划建设、重点工程建设隐患监控、应急防灾等方面提供决策参考。
关键词：地面沉降;;SBAS-InSAR;;门控循环神经网络;;南宁市区
基金资助：国家自然科学基金项目(42264004);; 桂林理工大学教师科研能力培育项目(KYPY202002)
