基于北斗的微形变预测方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供了一种基于北斗的微形变预测方法、装置、设备及可读存储介质，涉及卫星监测技术领域，包括获取位移数据集，所述位移数据集包括至少两组位移数据，所述位移数据是通过卫星测量得到的目标的三维位移量，将所述位移数据集中的每个所述位移数据分别进行计算，分别得到每个所述位移数据的位移形变数据;根据所述位移形变数据，建立预测模型,并通过所述预测模型计算出所述目标在第三时刻相对于第二时刻的位移量预测结果;预测监测对象未来形变趋势，可应用于地质灾害、建筑、桥梁等领域的监测及预警;提高了预测准确度，解决了传统单一位移形变预测模型无法准确描述变形和演化规律的局限性。规律的局限性。规律的局限性。

【技术实现步骤摘要】
基于北斗的微形变预测方法、装置、设备及可读存储介质


[0001]本专利技术涉及卫星监测
，具体而言，涉及基于北斗的微形变预测方法、装置、设备及可读存储介质。

技术介绍

[0002]目前，基于位移形变建立的预测模型通常采用非线性预测方法，常用的经典模型主要包括时间序列分析、灰色GM(1,1)预测模型、卡尔曼滤波、回归分析模型、支持向量机、人工神经网络等，另外，关于混合模型的预测研究也是目前较为流行一种方法。
[0003]但是目前的位移形变监测预警系统往往仅针对某一个对象或某一类场景，系统的通用性不强，应对突发性变化能力较弱，一些新的监测方案虽然精度较高，但相应成本较高。
[0004]由于各应用环境下位移形变的复杂性，很难仅通过单个模型准确预测监测体的位移和演变过程，并且在实际的数据采集过程中，往往收集得到的数据会受到系统中噪声和干扰的影响，数据也可能受特殊情况的影响而导致出现缺失的情况。

技术实现思路

[0005]本专利技术的目的在于提供一种基于北斗的微形变预测方法、装置、设备及可读存储介质，以改善上述问题。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于北斗的微形变预测方法，其特征在于，包括：获取位移数据集，所述位移数据集包括至少两组位移数据，所述位移数据是通过卫星测量得到的目标的三维位移量，所述三维位移量为第二时刻相对于第一时刻的位移量；将所述位移数据集中的每个所述位移数据分别进行计算，分别得到每个所述位移数据的位移形变数据，所述位移形变数据为在所述位移数据集中通过预测算法模块提取出的数据;根据所述位移形变数据，建立预测模型,并通过所述预测模型计算出所述目标在第三时刻相对于第二时刻的位移量预测结果。2.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述将位移数据集中的每个位移数据分别进行计算，分别得到位移形变数据,包括:通过箱型图分析方法对每个所述位移数据进行异常值判断；获取每个所述位移数据的异常值判断结果，若判断结果正常，则记做第一信息，若判断结果不正常，则剔除；对判断结果正常的所述第一信息的空缺部分进行填补;获取填补后的所述第一信息,将所述第一信息记做位移形变数据。3.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述根据所述位移形变的数据，建立预测模型，包括：将所述位移形变数据经过预设公式进行转化得到转化数据集，转化公式如下：其中，式中为所有位移原始数据的均值，为所有位移数据的标准差,为均值方差归一化的结果，为需要处理的数据；更新所述位移形变数据为所述转化数据集。4.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述根据所述位移形变的数据，建立预测模型，包括：更新所述位移形变数据为所述转化数据集,根据所述转化数据集，建立第一模型，所述第一模型包括更新门单元和重置门单元，所述第一模型的每个门单元和隐藏层的计算公式如下：如下：如下：如下：式中，rt为更新门单元,zt为重置门单元,为sigmoid激活函数，为双曲正切激活函数，为当前的输入，为当前输出，表示候选激活向量，为之前的输出，和是更新门单元的权重，和是重置门单元的权重，和是输出候选值，、和
分别是更新门单元、重置门单元和输出候选值的偏置向量。5.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述根据所述位移形变的数据，建立预测模型，还包括：更新所述位移形变数据为所述转化数据集,根据所述转化数据集，建立第二模型；通过所述第二模型，求解自回归过程，计算公式如下：；式中，，，，表示AR的系数，为当前输出，，，，为之前的输入，为第t个时间序列的白噪声;根据所述自回归过程获取到移动平均过程，计算如下：式中， 、，表示对应输入的误差，为随机干扰项序列，，，，表示对...

【专利技术属性】
技术研发人员：杨柳，肖皇屿，马征，唐优华，刘恒，
申请(专利权)人：成都交大大数据科技有限公司，
类型：发明
国别省市：