Views : 0 下载量: 9 CSCD: 0

  • Export

  • Share

  • Collection

  • Album

    • Spatial and temporal prediction of ground subsidence in mining areas considering seasonal characteristics

    • “矿区开采易导致严重地面沉降，威胁生产生活安全。针对传统时序预测模型时空信息捕捉不足的问题，专家结合时序分解策略与深度学习，提出SFF-PredRNN模型，实现对矿区地面沉降的精准时空预测。该研究以新密市米村煤矿为例，通过小基线集干涉技术获取沉降信息，并构建时序数据集。实验证明，SFF-PredRNN模型表现优越，为矿区地面沉降防治提供了有力数据支持。”
      ”
    • Pages: 1-15(2024)   

      Published Online： 13 May 2024 ，

    • DOI： 10.11834/jrs.20243488     

    扫 描 看 全 文

  • GUO Xiaowei，CHEN Tao. XXXX. Spatial and temporal prediction of ground subsidence in mining areas considering seasonal characteristics. National Remote Sensing Bulletin， XX（XX）：1-15 DOI： 10.11834/jrs.20243488.
  •  
  •  
Alert me when the article has been cited
提交

相关文章

相关作者

Qinghao LIU 中南大学 地球科学与信息物理学院;中国测绘科学研究院
Huimin LIU 中南大学 地球科学与信息物理学院
Yonghong ZHANG 中国测绘科学研究院
Min DENG 中南大学 地球科学与信息物理学院
Hong’an WU 中国测绘科学研究院
Huimin LIU 中南大学 地球科学与信息物理学院
Hongan WU 中国测绘科学研究院
Min DENG 中南大学 地球科学与信息物理学院

相关机构

College of Earth Sciences and Information Physics, Central South University
Chinese Academy of Surveying and Mapping
School of Geography and Information Engineering, China University of Geosciences
School of Geography and Information Engineering, China University of Geosciences
MOE Key Laboratory of Fundamental Physical Quantities Measurement, School of Physics, Huazhong University of Science and Technology
0