一种时序InSAR数据建立滑坡形变时程模型的方法技术

一种时序InSAR数据建立滑坡形变时程模型的方法，具体涉及滑坡形变时程模型建立技术领域；其特征在于：采用了时序InSAR、小波变换、支持向量机、粒子群优化算法等算法实现了利用时序InSAR数据建立滑坡形变时程模型；本发明专利技术改变了以往顾及滑坡本身的物理特性并数字化其余滑坡影响因素，从而进行物理推导来构建滑坡形变时程模型的方法；本发明专利技术的有益效果在于：更加安全，效率高，节约大量人力，且更符合滑坡的面状特征；采用小波变换来提取时序数据中的趋势项和周期项，方法简单可行，易操作，减少计算量；采用机器学习算法训练与建立模型，提升效率，精度可靠，且模型维护与改进更加便捷。

A time history model of landslide deformation based on time series InSAR Data

【技术实现步骤摘要】
一种时序InSAR数据建立滑坡形变时程模型的方法
本专利技术涉及滑坡形变时程模型建立
，特别是涉及一种时序InSAR数据建立滑坡形变时程模型的方法。
技术介绍
滑坡灾害指岩体或土体在重力作用下整体顺坡下滑造成的灾害；滑坡的直接危害主要包括:毁坏城镇、村庄、铁路、公路、航道、房屋、矿山企业等，造成人员伤亡和财产等重大损失；因此对滑坡灾害的识别、监测、预警刻不容缓；早在上世纪70年代末，遥感技术便被应用到滑坡灾害的研究中；通过GPS观测的数据或利用全站仪进行水准测量等手段来进行滑坡形变位移的监测与预测；但这些传统监测手段受许多现场条件约束，同时滑坡区域的现场条件一般也较为恶劣，道路损毁难入现场，且存在二次滑坡的可能，同时滑坡的发生也往往伴随着其他灾害，现场作业安全性不足。此外，GPS观测与水准测量多为点测量，而滑坡发生多为大面积的形变，点测量工作量巨大、效率低且较难反映整个大区域滑坡的形变趋势随着技术手段日益更新和改进，目前InSAR技术替换了传统的光学遥感，其搭载的传感器为SAR传感器（合成孔径雷达），具有非接触式、穿透性强、覆盖范围大等特点；在滑坡灾害的研究中，滑坡灾害的研究中滑坡时程模型建模是重要一环，对于滑坡的预警有着重要作用；通过InSAR技术得到了InSAR形变时序数据，对于时序数据分解为趋势项与周期项，目前有两种方法：一、使用二次平均法，消除时序数据中的周期项，提取出趋势项，再利用时序加法原理得到周期项；二、通过灰色模型方法获取趋势项，再利用时序加法原理获取周期项，这两种方法经典可用，但计算较为繁琐；在趋势项和周期项建模上，目前多采用灰色模型、AR模型等方法，这些建模方法工作量极大。
技术实现思路
针对上述存在的技术问题，本专利技术提供一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：采用了时序InSAR、小波变换、支持向量机、粒子群优化算法等算法实现了利用时序InSAR数据建立滑坡形变时程模型；顾及数据源、研究区概况等因素选择更合适的时序InSAR方法，利用小波变换将时序InSAR的形变结果分解为趋势项形变和周期项形变；然后，对趋势项形变和周期项形变分别利用支持向量机算法进行训练，分别建模，并利用粒子群优化算法对支持向量机的参数进行优化选取；最后，将分别训练好的趋势项形变模型和周期项形变模型进行耦合，得出滑坡形变时程模型。所述时序InSAR方法包括SBAS-InSAR方法与PS-InSAR方法。所述选取PS-InSAR方法时必须满足三个条件：a、研究区域影像数据较多，在20景以上；b、研究区域沉降在长时间序列上呈线性形变；c、研究区域存在明显的高相干散射体。所述选取SBAS-InSAR方法时须在以下三个条件：a、影像数据较多，在20景以上；b、研究区域沉降在长时间序列上呈线性形变；c、研究区域存在明显的高相干散射体；其中有一个或一个以上条件不满足。本专利技术一种时序InSAR数据建立滑坡形变时程模型的方法通以下步骤予以实现：第一步：选取InSAR方法；常用InSAR方法有两种：SBAS-InSAR与PS-InSAR；对方法的选取时，遵循以下原则，若以下三个条件：a、影像数据较多，在20景以上；b、究区域沉降在长时间序列上呈线性形变；c、研究区域存在明显的高相干散射体全部满足时；采用PS-InSAR方法；若上述三个条件有一个或一个以上不满足时，采用SBAS-InSAR方法；第二步：采用第一步选取的InSAR方法对SAR图像进行处理。不管使用的是哪种InSAR技术，都会得到InSAR时序形变结果；第三步：小波变化分解InSAR时序结果；通过对InSAR时序形变结果进行离散小波变换，得到高频信息和低频信息，其中低频信息为趋势项，高频信息为周期项。由此提取出原始形变数据中的趋势项形变及周期项形变；第四步：分别训练趋势项形变和周期项形变；两者的形变影响因素不同，故分开进行训练建模，分别得到趋势项建模结果和周期项建模结果；利用支持向量机对于两种分项形变进行训练建模。在训练中，支持向量机的参数取值对支持向量机这一学习机器的性能有很大的影响，故采用粒子群优化算法来进行支持向量机参数的自动优化选取；粒子群算法基于种群的并行搜索策略特点来迭代搜索最优的目标函数值，从而找到最优的参数取值，实现了参数的自动优化选取；进一步提高了计算精度及全局寻优能力，由此得到的预测模型具有更好的学习和泛化能力，大大加强滑坡形变时程模型的预测精度；第五步：构建滑坡形变时程模型；将上一步中由趋势项形变和周期项形变分别训练得到的结果，基于时间序列加法进行结合，得出最终的滑坡形变时程模型。本专利技术的有益效果在于：1、更加安全，效率高，节约大量人力，且更符合滑坡的面状特征；2、采用小波变换来提取时序数据中的趋势项和周期项，方法简单可行，易操作，减少计算量；3、采用机器学习算法训练与建立模型，提升效率，精度可靠，且模型维护与改进更加便捷。附图说明图1为本专利技术的流程图；图中：SBAS-InSAR为小基线集方法；PS-InSAR为永久散射体方法。具体实施方式实施例1，如图所示，本专利技术提供一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：采用了时序InSAR、小波变换、支持向量机、粒子群优化算法等算法实现了利用时序InSAR数据建立滑坡形变时程模型；顾及数据源、研究区概况等因素选择更合适的时序InSAR方法，利用小波变换将时序InSAR的形变结果分解为趋势项形变和周期项形变；然后，对趋势项形变和周期项形变分别利用支持向量及算法进行训练，分别建模，并利用粒子群优化算法对支持向量机的参数进行优化选取；最后，将分别训练好的趋势项形变模型和周期项形变模型进行耦合，得出滑坡形变时程模型。所述时序InSAR方法包括SBAS-InSAR方法与PS-InSAR方法。所述选取PS-InSAR方法时必须满足三个条件：a、研究区域影像数据较多，在20景以上；b、研究区域沉降在长时间序列上呈线性形变；c、研究区域存在明显的高相干散射体。本专利技术一种时序InSAR数据建立滑坡形变时程模型的方法通以下步骤予以实现：第一步：选取InSAR方法；对方法的选取时，遵循以下原则，若以下三个条件：a、研究区域像数据较多，在20景以上；b、研究区域沉降在长时间序列上呈线性形变；c、研究区域存在明显的高相干散射体全部满足时；采用PS-InSAR方法；第二步：采用第一步选取的PS-InSAR方法对SAR图像进行处理，得到InSAR时序形变结果；第三步：小波变化分解InSAR时序结果；通过对InSAR时序形变结果进行离散小波变换，得到高频信息和低频信息，其中低频信息为趋势项，高频信息为周期项；由此提取出原始形变数据中的趋势项形变及周期项形变；第四步：分别训练趋势项形变和周期项形变，两者的形变影响因素不同，故分开进行训练建模，分别得到趋势项建模结果和周期项建模结果；利用支持向量机对于两种本文档来自技高网...

【技术保护点】
1.一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：采用了时序InSAR、小波变换、支持向量机、粒子群优化算法等算法实现了利用时序InSAR数据建立滑坡形变时程模型；顾及数据源、研究区概况等因素选择更合适的时序InSAR方法，利用小波变换将时序InSAR的形变结果分解为趋势项形变和周期项形变；然后，对趋势项形变和周期项形变分别利用支持向量机算法进行训练，分别建模，并利用粒子群优化算法对支持向量机的参数进行优化选取；最后，将分别训练好的趋势项形变模型和周期项形变模型进行耦合，得出滑坡形变时程模型。/n

【技术特征摘要】
1.一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：采用了时序InSAR、小波变换、支持向量机、粒子群优化算法等算法实现了利用时序InSAR数据建立滑坡形变时程模型；顾及数据源、研究区概况等因素选择更合适的时序InSAR方法，利用小波变换将时序InSAR的形变结果分解为趋势项形变和周期项形变；然后，对趋势项形变和周期项形变分别利用支持向量机算法进行训练，分别建模，并利用粒子群优化算法对支持向量机的参数进行优化选取；最后，将分别训练好的趋势项形变模型和周期项形变模型进行耦合，得出滑坡形变时程模型。


2.根据权利要求1所述的一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：所述的时序InSAR方法包括SBAS-InSAR方法与PS-InSAR方法。


3.根据权利要求2所述的一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：所述选取PS-InSAR方法时必须满足三个条件：a、研究区域影像数据较多，在20景以上；b、研究区域沉降在长时间序列上呈线性形变；c、研究区域存在明显的高相干散射体。


4.根据权利要求2所述的一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：所述选取SBAS-InSAR方法时须在以下三个条件：a、研究区域影像数据较多，在20景以上；b、研究区域沉降在长时间序列上呈线性形变；c、研究区域存在明显的高相干散射体；其中有一个或一个以上条件不满足。


5.根据权利要求1所述的一种时序InSAR数据建立滑坡形变时程模型的方法；其特征在于：该...

【专利技术属性】
技术研发人员：郭际明，乔世雄，沈琪，潘尚毅，李扬，王守波，高登山，林青，吕亚博，熊世旺，吕丽丽，侯志彬，王向奇，薛金中，王新华，邓茹，
申请(专利权)人：中国水利水电第四工程局有限公司，
类型：发明
国别省市：青海;63