来源：期刊VIP网 时间：
作者：杨瑞;张涵铭;陈裕汉;吴学群;张豫宁;
单位：昆明理工大学国土资源工程学院;中国地质大学(武汉)机械与电子信息学院;滇西应用技术大学地球科学与工程学院;元阳县自然资源局;
摘要：针对地铁在修建和运营过程中易引发地表沉降，以及单一轨道数据识别形变信息不够全面等问题，以成都市为例，基于SBAS-InSAR技术处理53景升轨和54景降轨Sentinel-1A数据，获取成都市2023年1月—2024年10月的升降轨地表形变信息。并采用二维形变分解技术获取地表垂直向和东西向的形变信息，最后利用CNN-LSTM模型对地铁沿线开展时序形变预测。结果表明：研究区升降轨形变结果在空间分布上基本吻合，即同时反映出周边环状下沉这一形变特点；研究区在发生垂向形变的同时，也具有轻微的西向形变，并且西向形变漏斗与沉降范围具有一定对应关系；将时序形变结果与降雨数据进行对比，结果显示降雨期间地表具有明显抬升趋势，雨季过后则转为下降状态，表明降雨对地表形变具有一定影响；CNN-LSTM模型相对于BP、LSTM模型在时序形变预测中表现更好。因此，通过融合升降轨数据反演出地表垂直向和东西向的形变信息，能更有效地识别地表形变特征，并且采用CNN-LSTM模型能够有效对地铁沿线开展时序形变预测，该方法可作为地铁沿线沉降监测和灾害预警的有效手段。
关键词：SBAS-InSAR;;CNN-LSTM模型;;成都市;;地铁沉降;;预测分析
基金资助：国家自然科学基金地区基金项目(41961053);; 滇西应用技术大学人才引进科研启动项目(2021RCKY0005)
