Станция гидроэнергетики Байхэтань является национальным крупным проектом, с сложными геологическими условиями водохранилища, поэтому мониторинг устойчивости береговых откосов после наполнения водохранилища чрезвычайно важен. Традиционная технология InSAR опирается на показатели скорости деформации, из-за чего сложно выявить закономерности временной эволюции. В этой статье объединены методы переноса обучения и временной сверточной сети (TCN) для создания интеллектуальной модели распознавания временных паттернов деформации с целью улучшения понимания развития деформаций в районе водохранилища. Исследование использует спутниковые данные Sentinel-1 за период с апреля 2021 по март 2024 года, применяет технологию SBAS-InSAR для инверсии и получения временного поля деформаций во всем районе водохранилища. Предложена архитектура глубокой временной классификации с усилением переносом обучения: предварительная тренировка на моделируемых данных, затем тонкая настройка на реальных данных. Создана шестимерная система классификации деформации, включающая стабильные, линейные, ступенчатые, сегментно-линейные, степенные и неопределённые классы, применённая для распознавания паттернов деформации в районе водохранилища Байхэтань. Результаты показывают: (1) статистика классификации 97377 точек деформации в районе: доминируют стабильные (45,6%) и сегментно-линейные (24,4%) модели, стабильные типы значительно связаны с низкими скоростями и высокой когерентностью; (2) оползень Шименькан контролируется запаздыванием уровня воды в водохранилище, подъём с задержкой примерно на 2 месяца после пика наполнения, на склоне Ёчжутан выявлены ступенчатые деформации, вызванные осадками, и сегментно-линейные реакции, связанные с взаимодействием уровней воды и осадков. Настоящая работа преодолевает традиционные методы анализа, основанные на скоростях, подтверждает эффективность переноса обучения для снижения затрат на разметку временных последовательностей и демонстрирует, что многомерный анализ паттернов деформации может предложить новую методологию для динамической оценки рисков бедствий в районе водохранилища.

классификация временной деформации; TCN; перенос обучения; район водохранилища Байхэтань; SBAS-InSAR; глубокое обучение; оползни берегов; мониторинг геологических бедствий