地表沉降属于一种动态且长期存在的地质变动现象,唐山市南湖地区在发展过程中出现了显著的地表沉降问题。为实时掌握南湖地区地面沉降数据,全面了解地面沉降情况,减轻或减少地面沉降对社会带来的影响。利用PS-In SAR技术实时动态监测此区域的地表沉降,同时引入深度学习预测模型,综合沉降因素预测沉降变化趋势,对当地的防灾减灾和发展建设存在非常重要的意义。以唐山市南湖地区为例,通过采用PS-In SAR技术对研究区（2017年9月12日至2020年9月20日）的地表沉降信息进行提取,根据监测结果对主要发生沉降的区域分别以东西走向和南北走向进行分析。结合水准测量和GPS观测的实测数据分别对PS-In SAR的监测结果进行验证。通过构建ARIMA模型、SVM模型、LSTM模型,揭示变形监测数据蕴含的规律,从而用于预测监测区域的形变情况。并采用RMSE、MAE、MAPE三个评价指标对模型的预测结果进行精度评估。同时对研究区主要发生沉降的相邻区域进行相关性分析。研究表明,PS-In SAR技术提取的地表累积沉降量,与三等水准测量实测数据间的相关系数为0.9431;与GPS观测实测数据间的相关性为0.9971。证明PS-In SAR地表形变监测结果与实测结果具有很强的一致性,监测结果较为可靠。根据PSIn SAR的监测结果显示,在监测周期内研究区共形成了地震遗址公园、凤凰台、薰衣草庄园、天鹅湖动物园、爱尚庄园、锦鲤中心,六个明显的沉降区域。将PSIn SAR监测的时序累积沉降信息,利用各个模型进行沉降预测,根据沉降-时间走势图表明,LSTM模型的预测结果与PS-In SAR监测结果较为一致。与其他两个模型相比,LSTM模型的RMSE、MAE、MAPE值均为最小,模型预测精度高,满足南湖地区地表形变监测工程需求,可应用于实际生产中。通过对发生沉降的相邻区域分析,结果显示相邻区域间相关系数均在0.89以上,说明相邻区域间存在连片沉降的可能性。图39幅;表20个;参88篇。