针对传统形变监测及预测难以做到大范围监测和精准预测的问题，本文提出了联合PS-InSAR技术和多变量长短期记忆（M-LSTM）神经网络监测和预测高铁路基冻胀形变的方法。首先，该方法利用PS-InSAR技术获取路基冻胀空间分布特征；然后，使用皮尔逊相关系数法优化出3种冻胀诱发因素，所得数据经预处理后组成训练数据；最后，引入LSTM构建智能化、多变量冻胀预测模型，精确地预测路基冻胀形变趋势。研究结果表明，PS-InSAR技术在大范围形变监测中具有可靠性，M-LSTM模型预测精度比传统神经网络模型更高，平均判定系数（R2）、平均绝对误差（MAE）和平均均方根误差（RMSE）分别为0.973、0.024 mm和0.035 mm,说明M-LSTM模型在高铁路基冻胀形变预测中具有较好的应用价值，同时也为路基冻胀形变预测提供了新思路。

来源平台：测绘通报