基于 InSAR 监测和 PSO-SVR 模型的高填方区沉降预测

• 作者: 李华蓉 戴双璘 郑嘉欣
• 来源期刊: 中国地质灾害与防治学报
• 关键词: 高填方区域 粒子群算法 支持向量机回归 形变预测
• 年，卷（期）: 2024,（2）
• 所属期刊栏目: 理论研究与调查评价
• 页码范围: 129-138
• 页数: 10页
• 语种: 中文
• DOI: 10.16031/j.cnki.issn.1003-8035.202210005

摘要

基于小基线集干涉测量技术（small baseline subsets interferometric synthetic aperture radar, SBAS-InSAR）和机器学习知识对高填方区域进行地表沉降监测及预测，对工程项目的施工、检修、运营等工作都具有重要的指导意义。文章以重庆东港集装箱码头为研究对象，选取2018—2019年覆盖研究区的31景Sentinel-1A数据，利用SBAS-InSAR技术获取该区域的地表沉降数据，并进行内外精度评定；通过信息量模型分析地表沉降易发地地势特点，选择预测点位；通过灰色关联分析计算动态影响因素与沉降量之间的灰色关联度，使用主成分分析法从影响因素中提取出主成分，构建训练集和测试集，通过粒子群算法-支持向量机法（particle swarm optimization-support vector regression, PSO-SVR）预测模型对测试集数据进行预测。为验证该模型在高填方区域沉降预测的可靠性和优异性，将自回归差分整合移动平均模型（autoregressive integrated moving average model, ARIMA）作为对比模型，分别将PSO-SVR模型的预测结果和ARIMA模型的预测结果与测试集进行对比。结果表明：PSO-SVR模型的预测精度优于ARIMA模型，在高填方区域地表沉降预测中具有较好的实用性。