5月9日至12日，由测绘出版社有限公司主办，中国测绘学会、中国地理信息产业协会、中国卫星导航定位协会、中国地图出版社集团有限公司指导，《测绘通报》编辑部、安徽建筑大学联合承办的以“融聚测绘科技，构建智慧未来”为主题的第八届测绘科学前沿技术论坛在合肥举办。论坛汇集了李德仁院士、王家耀院士、陈军院士、童小华院士等业界顶尖专家，邀请了包括重庆交通大学智慧城市学院智能感知与数字孪生团队潘建平教授在内的多位学者作为特邀报告人，分别围绕北斗新技术应用及智能化测绘、遥感与应急监测、地理信息与大数据应用等议题开展研讨。

潘建平教授做了题为“基于时序历史形变的滑坡形变预测研究”报告，报告从滑坡的形变机理、时序INSAR（雷达干涉测量）滑坡形变反演、基于深度学习的滑坡点/面形变预测等方面阐述了该主题的技术框架和试验案例。目前该成果在三峡库岸滑坡形变趋势、进藏主干道沿线高远隐患边坡态势分析方面取得良好效果，结合水致因素可预测未来8-12天的滑坡形变态势。

基于时序历史形变的滑坡形变预测融合了地质工程、测绘科学与技术、计算机科学与技术三个学科的知识。2016年，深度学习的出现激发了各个学科对人工智能行业应用的思考，潘建平教授兼具地质工程、测绘科学与技术的学习和科研背景，当时人们对滑坡监测与预警的认知聚焦于如何准确反演滑坡的已有形变，对滑坡的未来形变态势还无相关研究。为此潘教授开始思考如何将深度学习方法应用到地质灾害。滑坡的发育和演变具有复杂的内外和动静态影响因素，地质岩性、地质构造、地形地貌、地表覆盖、降雨情况、地下水位、演变态势等都有不同程度的影响，而这些因素数据的获取非常复杂和困难。INSAR可利用雷达影像反演地表面状时序形变；通过海量数据的输入，深度学习利用“黑箱操作”可以实现更深层次抽象特征的提取，进而实现对滑坡形变的内在规律建模和高精度形变预测。因此，如果将INSAR反演的时序历史形变结果作为数据源，利用深度学习模型能否实现对滑坡的形变预测？2017年，潘建平教授带领团队开展INSAR时序形变反演和深度学习模型研究，经过多年的研究，目前已经形成完整的“基于时序历史形变的滑坡形变预测”的技术方案，形成国家发明专利2项、学术论文8篇、并在西南地区开展了多个场景应用，对未来8-12天预测精度达到毫米级。

论坛参会学者

潘建平教授专题报告