AWC-LSTM表面变形预测模型

该模型通过ARIMA与CNN-LSTM结合，并利用鲸鱼优化算法自动确定超参数，实现对地表变形的高精度预测，适用于不同地区。

陈宇 · Xinlong, Chen · Guo, Shanchuan · 李怀展 · 杜培军

International Journal of Applied Earth Observation and Geoinformation 2024

参数信息

均方根误差

3 mm

平均精度提升

28.38 %

平均精度提升

80.59 %

技术优势

精度提升显著

与现有模型相比，平均精度提升28.38%至80.59%。

自动调参

引入鲸鱼优化算法自动确定模型最优超参数，避免了手动调参的主观性。

误差低于3毫米

在两个不同地区的验证中，均方根误差均不超过3毫米。

兼顾线性与非线性

利用ARIMA处理线性部分，CNN-LSTM处理非线性部分，从而充分利用两者的优势。

应用场景

• 地表沉降监测：提供高精度预测，帮助提前发现沉降风险。
• 矿区形变预测：在矿区实现毫米级变形预测，辅助安全开采。
• 城市地面沉降预警：为城市地面沉降预警提供可靠依据，减少灾害损失。