[发明专利]一种区域地面沉降时空模拟系统和方法

说明书

本发明提供一种区域地面沉降时空模拟系统和方法，所述系统包括：数据预处理模块，用于执行地面沉降因素的空间一致性处理，得到处理后的地面沉降因素数据，时序SAR影像数据处理，得到时序空间分布的PS点数据；时空数据集TSD构建模块，和所述数据预处理模块连接，用于将所述PS点数据构建成三维时空集，所述三维时空集包括时序信息的时间维、位置信息的空间维和所述地面沉降因素的特征维；地面沉降时空模拟TSM模块，和所述TSD构建模块连接。本发明综合考虑了多种影响因素，提升了地面沉降模型的可靠性，为地面沉降有效模拟提供了可靠的方法。

技术领域

本发明涉及城市地质灾害——地面沉降防控领域，具体为一种基于地理加权和循环神经网络的区域地面沉降时空模拟系统和方法。

背景技术

地下水过度开采导致的地面沉降是一种地质灾害，制约城市的可持续发展。进行地面沉降模拟预测，对地下水资源合理开采和地面沉降防控具有重要意义。抽水引起的地面沉降模型可分为基于物理机制的数值模拟模型和基于数据驱动的时序模拟模型两种。传统基于本构关系的地面沉降数值模拟模型能够揭示地面沉降的发生机理，刻画地面沉降发生发展过程，并能够实现长期预测。基于数据驱动的时序模拟模型从数据本身出发，挖掘地面沉降与影响因素之间的关系，据此建立数据驱动的模型，可进行短期预测。

基于本构关系的地面沉降模拟模型构建需要较多的水文地质、土力学参数、真实反映地层岩性分布的地质体结构等，才能获得相对准确的模拟结果。然而，这些要求在区域尺度模型的构建中往往难以满足要求。基于干涉合成孔径雷达(Persistent ScatteredInterferometric Synthetic Aperture Radar,PS-InSAR)技术获取的时间序列地面沉降信息具有空间密度大、分布范围广的特点，在此基础上建立数据驱动模型(例如：灰色模型(Grey Model,GM)、回归分析模型、人工智能(Artificial Intelligence,AI)模型)通常仅考虑水文地质参数、土力学参数等在时间上的非线性变化，忽视其在空间上的异质性特征对地面沉降的影响。综上所述，建立一种基于数据驱动且同时考虑时空特征的地面沉降时空模拟方法，用于区域尺度地面沉降模拟预测，进而实现为地面沉降的科学防控提供支撑。

发明内容

有鉴于此，本发明提供一种区域地面沉降时空模拟系统和方法，至少部分解决现有技术中存在的问题。

本发明提供一种区域地面沉降时空模拟系统，其特征在于，包括：数据预处理模块，用于执行地面沉降因素的空间一致性处理，得到处理后的地面沉降因素数据，时序SAR影像数据处理，得到时序空间分布的PS点数据；时空数据集TSD构建模块，和所述数据预处理模块连接，用于将所述PS点数据构建成三维时空集，所述三维时空集包括时序信息的时间维、位置信息的空间维和所述地面沉降因素的特征维；地面沉降时空模拟TSM模块，和所述TSD构建模块连接，用于提取所述地面沉降因素和地面沉降的时序演化特征，以及所述地面沉降因素和地面沉降的空间关联特征，构成所述时序演化特征和所述空间关联特征集成的地面沉降时空模拟。

进一步地，所述系统中的地面沉降因素包括所述地面沉降因素包括地层岩性、可压缩层厚度、压缩系数和/或含水层水位以及其他物理、地质、水文地质P-G-H特征参数。

进一步地，所述系统中的TSM模块包括：时序演化TE模拟子模块，用于提取所述地面沉降影响因素和地面沉降的时序演化特征；空间关联SC特征提取子模块，用于提取地面沉降影响因素和地面沉降的空间关联特征；时空TS模型构建子模块，和所述TE模拟子模块和所述SC特征提取子模块连接，用于集成地面沉降影响因素和地面沉降的时序演化特征和空间关联特征。

进一步地，所述系统中的所述TE模拟子模块采用循环网络结构在时间序列上进行时序特征提取，所述循环网络结构为长短时记忆LSTM模块。

进一步地，所述系统中的所述SC特征提取子模块采用地理加权回归GWR模型回归分析所述地面沉降影响因素与地面沉降之间的空间关系，得到回归系数，作为空间权重。