作为现代化交通标志的高速公路,其是否能够安全平稳的运营将直接影响人民生命财产以及沿线各地城市的经济建设与发展。因此,确保高速公路的路面平稳及监测沿线的地质灾害尤为重要。过去,人们常采用水准测量或者GPS监测高速公路形变,这些方法取得了一定的效果,但是其耗费成本高、监测周期长、空间点密度低,无法满足现代化社会的需求。由于黄土具有结构疏散,遇水易发生滑坡与湿陷等地质灾害,使得穿越黄土区高速公路的稳定性较差,需进行有效监测。针对传统监测手段无法对高速公路沿线全域进行精细化监测的问题,本文将基于InSAR技术,对甘肃省境内穿越黄土区的连霍高速（G30）公路定西至兰州段沿线建立2 km缓冲区进行监测,利用长短时记忆神经网络模型对典型形变区域进行了预测。本文主要研究结论如下:（1）基于覆盖G30高速公路的176景P55号升轨和83景P62轨道以及90景P135轨道的降轨Sentine-lA影像,利用DEM计算坡度与坡向并根据卫星影像数据头文件计算逐像元的入射角,引入局部入射角概念,对公路沿线2 km范围内的成像条件做了可视性分析。通过升、降轨几何畸变结果可得知,无论升轨影像或是降轨影像,在研究区内叠掩、阴影情况较少,但是透视收缩现象在研究区内广泛存在,占比较大。为此,本文结合升降轨影像的几何畸变结果,发现研究区内不存在叠掩与阴影两种情况,透视收缩减小至5.471%,可视性较好区域为94.529%。因此,可以得出结论,在地形起伏区域,升降轨联合观测能更有效的解译地表形变。（2）针对SBAS-InSAR方法需要人为选取GCP点从而引入不必要的误差问题,本文利用PS-InSAR方法自动选取的GCP点作为SBAS-InSAR技术中的GCP点进行数据处理。分别利用升降轨SAR影像,根据上述InSAR技术,获取了公路沿线2 km范围内2018年3月～2021年3月连续三年的地表时序形变数据。在监测时间段内,升轨视线向的形变速率为-83.15～33.47 mm/yr;降轨视线向的形变速率为-70.37～18.89 mm/yr。通过数据内部的平均相干系数以及升降轨监测的时序形变结果进行精度验证,证实了监测结果具有一定的可靠性。（3）基于升轨视线向时序形变结果,利用PCA方法分析了典型滑坡的形变时空特征,结果表明此滑坡主要在夏季受降雨影响运动速度加快,但监测时间段内总体运动速度在减缓;其空间特征表明滑坡主要运动部位为滑坡体的后缘;结合升降轨数据获取了此滑坡体垂直向与东西向的二维形变,结果表明此滑坡体主要运动方向为东向与垂向,西向运动较小,短期内不会对滑坡体西侧G30高速公路的安全运营造成影响;此外,根据升轨视线向的形变结果分析了公路路基4个典型区域的地表时序形变的规律,结果表明季节性的农业灌溉与降雨使得黄土湿陷失稳,在车辆动静荷载以及黄土自重应力共同作用下形成了高速公路的不均匀形变,此外,高速公路沿线的一些工业活动也是引起高速公路不均匀形变的原因之一。（4）基于时序形变数据,构建了堆叠式LSTM神经网络形变预测模型。对滑坡垂直向以及东西向的二维形变进行预测,预测值与真实值的拟合均方根误差和平均绝对误差均较低,最低分别为1.55 mm和1.03 mm,~2达到0.99;对4个典型路基形变区域进行预测,其预测值与真实值的拟合均方根误差与平均绝对误差最低分别为1.37 mm和1.22 mm,~2最大为0.99。结果表明本文构建的堆叠式LSTM形变预测模型具有优良的性能。