山西省地质环境监测和生态修复中心

本发明涉及数据预测技术领域，具体涉及一种基于深度学习的矿区开采地表塌陷隐患识别预测系统；根据监测范围的像素点的高度数据序列获得疑似形变时刻；根据疑似形变时刻前后的高度数据差异特征获得形变单向性指数和最终形变时刻；根据形变单向性指数获取有效像素点和可疑塌陷区域；根据可疑塌陷区域内中心区域和外侧区域的最终形变时刻的差异特征获得形变传播匹配度；根据可疑塌陷区域的有效像素点的分布密集特征和形变传播匹配度获得塌陷趋势特征值；根据塌陷趋势特征值对LSTM预测模型中历史时刻的遗忘门的基础权重进行调整，获得动态权重。本发明根据动态权重通过LSTM对监测范围的遥感影像时序数据进行塌陷预测，提高了塌陷预测准确性。