查看更多>>摘要:汶川县板子沟受2008年5月12日Ms8.0大地震影响,造成沟谷内松散物源堆积,近年来滑坡、泥石流灾害频发.针对板子沟地质结构复杂且缺乏有效监测和预测自然灾害等问题,该研究提出一种联合InSAR技术和布谷鸟搜索算法改进Elman(Cuckoo Search-Elman,CS-Elman)神经网络的预测模型来对板子沟地区进行地表形变监测和预测.首先采用SBAS-InSAR和PS-InSAR技术处理覆盖板子沟的22景C波段Sentinel-1A数据,获取地表形变监测值.其次,利用相关性矩阵分析从高程等12个评价因子得出最优评价因子,从多因子角度结合地表形变监测值构建CS-Elman 预测模型.最后,通过对比实验分析CS-Elman模型的合理性和优越性.结果表明:(1)SBAS-InSAR和PS-InSAR技术监测同名点雷达视线(Line of Sight,LOS)向形变速率之间的相关系数R2=0.91,具有较高的相关性,证明了两种技术联合分析的可行性;(2)分别选取训练样本数为198、298、398和498,得到CS-Elman 模型的预测值与InSAR技术的监测值之间的最大绝对误差分别为11.314 mm、6.188 mm、3.763 mm和2.191 mm,平均绝对误差(Mean Absolute Error,MAE)、均方误差(Mean Squared Error,MSE)、均方根误差(Root Mean Squared Error,RMSE)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)也均为样本数为 498 时最小,分别为 0.895 mm、1.712 mm、1.308 mm和5.55%;(3)随机选取518个样本数据,CS-Elman模型的 MAE、MSE、RMSE 和 MAPE 分别为 1.206 mm、2.052 mm、1.432 mm 和 6.09%,各项指标均优于 Elman模型,验证了 CS算法能够有效提高Elman模型的预测精度;(4)通过与GA-BP、CS-SVM模型的对比,验证了CS-Elman模型在地表形变预测中的精度更高,该方法可作为板子沟长时间形变监测和预测的有效手段.