期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SBAS-InSAR与MA-PSO-BP的南京河西地区地表沉降监测及预测分析
1
作者
毕凌宇
孙承志
乔申
《测绘通报》
CSCD
北大核心
2024年第4期48-53,82,共7页
针对南京河西地区城市化进展的不断加快及对该地区的沉降预测研究较少的问题,本文提出一种基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)与滑动平均-粒子群优化-反向传播神经网络算法(MA-PSO-BP)的城市地表形变监测及预测模型。利用202...
针对南京河西地区城市化进展的不断加快及对该地区的沉降预测研究较少的问题,本文提出一种基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)与滑动平均-粒子群优化-反向传播神经网络算法(MA-PSO-BP)的城市地表形变监测及预测模型。利用2020年3月—2022年3月的22景Sentinel-1A升降轨数据对南京河西地区进行沉降监测,获取研究区升降轨形变量,分析河西地区的沉降趋势与成因,并对监测得到的沉降值进行滑动平均插值,将其作为PSO-BP网络模型的样本输入,构建网络预测模型。结果表明,SBAS-InSAR技术能够有效监测城市长时间的沉降,南京河西地区存在不同程度的沉降,沉降速率为-25.3~20.5 mm/a。对比历史沉降研究,沉降趋势由北部向南部扩张,结合SBAS-InSAR沉降监测数据,分别与BP神经网络和PSO-BP神经网络预测模型进行对比,样本数据经过插值后沉降预测模型的精度最高。
展开更多
关键词
地表形变监测
预测模型
滑动平均插值
SBAS-InSAR
PSO-BP
下载PDF
职称材料
题名
基于SBAS-InSAR与MA-PSO-BP的南京河西地区地表沉降监测及预测分析
1
作者
毕凌宇
孙承志
乔申
机构
南京信息工程大学
出处
《测绘通报》
CSCD
北大核心
2024年第4期48-53,82,共7页
基金
高分专项航空观测系统“高分航空载荷自然资源调查应用示范项目”(04-H30G01-9001-20122)。
文摘
针对南京河西地区城市化进展的不断加快及对该地区的沉降预测研究较少的问题,本文提出一种基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)与滑动平均-粒子群优化-反向传播神经网络算法(MA-PSO-BP)的城市地表形变监测及预测模型。利用2020年3月—2022年3月的22景Sentinel-1A升降轨数据对南京河西地区进行沉降监测,获取研究区升降轨形变量,分析河西地区的沉降趋势与成因,并对监测得到的沉降值进行滑动平均插值,将其作为PSO-BP网络模型的样本输入,构建网络预测模型。结果表明,SBAS-InSAR技术能够有效监测城市长时间的沉降,南京河西地区存在不同程度的沉降,沉降速率为-25.3~20.5 mm/a。对比历史沉降研究,沉降趋势由北部向南部扩张,结合SBAS-InSAR沉降监测数据,分别与BP神经网络和PSO-BP神经网络预测模型进行对比,样本数据经过插值后沉降预测模型的精度最高。
关键词
地表形变监测
预测模型
滑动平均插值
SBAS-InSAR
PSO-BP
Keywords
surface deformation monitoring
prediction model
moving average interpolatio
SBAS-InSAR
PSO-BP
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SBAS-InSAR与MA-PSO-BP的南京河西地区地表沉降监测及预测分析
毕凌宇
孙承志
乔申
《测绘通报》
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部