一种潮滩地形形变预测方法、系统、电子设备及介质技术方案

本发明专利技术公开一种潮滩地形形变预测方法、系统、电子设备及介质，涉及地形预测技术领域。所述方法包括根据地形数据集以及各影响因素的数据集计算每个影响因素的数据集与地形数据集的灰色关联度；根据灰色关联度得到相关影响因素集合；根据每两个相关影响因素之间的相关性对相关性影响因素集合内的相关影响因素进行剔除；采用熵权法确定剔除后的相关影响因素集合中每个相关影响因素的权重；采用傅里叶变换对每个相关影响因素的加权值分别进行分解得到每个相关影响因素对应的频率集合；以频率为输入，以地形变化量为输出对神经网络进行训练得到预测网络；预测网络用于对地形形变进行预测。本发明专利技术可提高地形形变的预测精度。本发明专利技术可提高地形形变的预测精度。本发明专利技术可提高地形形变的预测精度。

【技术实现步骤摘要】
一种潮滩地形形变预测方法、系统、电子设备及介质


[0001]本专利技术涉及地形预测
，特别是涉及一种潮滩地形形变预测方法、系统、电子设备及介质。

技术介绍

[0002]现有的预测技术都是基于非接触式的遥感信息获取的数据，遥感无法进行全天候无死角的拍摄，且无法考虑环境因素和土壤性质因素，因此预测精度偏低。

技术实现思路

[0003]本专利技术的目的是提供一种潮滩地形形变预测方法、系统、电子设备及介质，可提高地形形变的预测精度。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种潮滩地形形变预测方法，包括：
[0006]在历史时间段内按照设定时间间隔获取目标区域在多个时刻的地形变化量和各影响因素的值得到地形数据集以及各影响因素的数据集；所述影响因素包括：上覆水压力、温度、风速、降水量、海平面气压、土壤蒸发量、潮位、波浪、土壤摩擦角、土壤粘聚力、土壤干密度、土壤弹性模量、土壤泊松比和土壤含水率；
[0007]根据所述地形数据集以及各影响因素的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度；
[0008]将目标灰色关联度对应的影响因素确定为相关影响因素，得到相关影响因素集合；所述目标灰色关联度为数值大于设定阈值的灰色关联度；
[0009]根据所述相关影响因素集合中每两个所述相关影响因素之间的相关性对所述相关性影响因素集合内的相关影响因素进行剔除，得到剔除后的相关影响因素集合；
[0010]采用熵权法确定剔除后的相关影响因素集合中每个相关影响因素的权重，并根据各所述相关影响因素的权重得到各相关影响因素的加权值；
[0011]采用傅里叶变换对每个相关影响因素的加权值分别进行分解得到每个相关影响因素对应的频率集合；每个频率集合包括多个频率；
[0012]将所述地形数据集中各地形变化量分别在所述频率集合中进行分解，得到所有相关影响因素对应的地形变化量；
[0013]对于所有相关影响因素对应的频率集合中的任意一个频率，以所述频率为输入，以所述频率对应的所有相关影响因素对应的地形变化量为输出对神经网络进行训练得到所述频率对应的预测网络；
[0014]各频率对应的预测网络用于对待预测区域的地形形变进行预测。
[0015]可选的，所述根据所述地形数据集以及各影响因素的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度，具体包括：
[0016]对所述地形数据集以及各影响因素的数据集分别进行无量纲处理得到处理后的
地形数据集以及各影响因素处理后的数据集；
[0017]根据所述处理后的地形数据集以及各影响因素处理后的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度。
[0018]可选的，所述根据所述处理后的地形数据集以及各影响因素处理后的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度，具体包括：
[0019]对于任意一个时刻，根据所述处理后的地形数据集中所述时刻的地形变化量以及第i个影响因素处理后的数据集中所述时刻的影响因素的值得到所述时刻对应的第i个影响因素与处理后的地形数据集中的地形变化量的灰色关联度；
[0020]根据所有时刻对应的第i个影响因素与处理后的地形数据集中的地形变化量的灰色关联度得到第i个影响因素的数据集与所述地形数据集的灰色关联度。
[0021]可选的，所述各频率对应的预测网络用于对待预测区域的地形形变进行预测，具体包括：
[0022]获取待预测区域的所有相关影响因素对应的频率集合；
[0023]对于所述待预测区域的所有相关影响因素对应的频率集合中的任意一个频率，将所述频率输入目标预测网络得到所述频率对应的所有相关影响因素对应的地形形变分量；所述目标预测网络为所述频率对应的预测网络；
[0024]将所述待预测区域的所有相关影响因素对应的频率集合中的所有频率对应的所有相关影响因素对应的地形形变分量叠加得到所述待预测区域的地形形变。
[0025]一种潮滩地形形变预测系统，包括：
[0026]获取模块，用于在历史时间段内按照设定时间间隔获取目标区域在多个时刻的地形变化量和各影响因素的值得到地形数据集以及各影响因素的数据集；所述影响因素包括：上覆水压力、温度、风速、降水量、海平面气压、土壤蒸发量、潮位、波浪、土壤摩擦角、土壤粘聚力、土壤干密度、土壤弹性模量、土壤泊松比和土壤含水率；
[0027]灰色关联度计算模块，用于根据所述地形数据集以及各影响因素的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度；
[0028]相关影响因素集合确定模块，用于将目标灰色关联度对应的影响因素确定为相关影响因素，得到相关影响因素集合；所述目标灰色关联度为数值大于设定阈值的灰色关联度；
[0029]剔除模块，用于根据所述相关影响因素集合中每两个所述相关影响因素之间的相关性对所述相关性影响因素集合内的相关影响因素进行剔除，得到剔除后的相关影响因素集合；
[0030]权重计算模块，用于采用熵权法确定剔除后的相关影响因素集合中每个相关影响因素的权重，并根据各所述相关影响因素的权重得到各相关影响因素的加权值；
[0031]分解模块，用于采用傅里叶变换对每个相关影响因素的加权值分别进行分解得到每个相关影响因素对应的频率集合；每个频率集合包括多个频率；
[0032]地形变化量分解模块，用于将所述地形数据集中各地形变化量分别在所述频率集合中进行分解，得到所有相关影响因素对应的地形变化量；
[0033]网络训练模块，用于对于所有相关影响因素对应的频率集合中的任意一个频率，以所述频率为输入，以所述频率对应的所有相关影响因素对应的地形变化量为输出对神经
网络进行训练得到所述频率对应的预测网络；
[0034]预测模块，用于各频率对应的预测网络用于对待预测区域的地形形变进行预测。
[0035]可选的，所述灰色关联度计算模块，具体包括：
[0036]无量纲单元，用于对所述地形数据集以及各影响因素的数据集分别进行无量纲处理得到处理后的地形数据集以及各影响因素处理后的数据集；
[0037]灰色关联度计算单元，用于根据所述处理后的地形数据集以及各影响因素处理后的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度。
[0038]可选的，所述灰色关联度计算单元，具体包括：
[0039]任一时刻灰色关联度计算子单元，用于对于任意一个时刻，根据所述处理后的地形数据集中所述时刻的地形变化量以及第i个影响因素处理后的数据集中所述时刻的影响因素的值得到所述时刻对应的第i个影响因素与处理后的地形数据集中的地形变化量的灰色关联度；
[0040]总灰色关联度计算子单元，用于根据所有时刻对应的第i个影响因素与处理后的地形数据集中的地形变化量的灰色关联度得到第i个影响因素的数据集与所述地形数据集的灰色关联度。
[0041]可选的，所述预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种潮滩地形形变预测方法，其特征在于，包括：在历史时间段内按照设定时间间隔获取目标区域在多个时刻的地形变化量和各影响因素的值得到地形数据集以及各影响因素的数据集；所述影响因素包括：上覆水压力、温度、风速、降水量、海平面气压、土壤蒸发量、潮位、波浪、土壤摩擦角、土壤粘聚力、土壤干密度、土壤弹性模量、土壤泊松比和土壤含水率；根据所述地形数据集以及各影响因素的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度；将目标灰色关联度对应的影响因素确定为相关影响因素，得到相关影响因素集合；所述目标灰色关联度为数值大于设定阈值的灰色关联度；根据所述相关影响因素集合中每两个所述相关影响因素之间的相关性对所述相关性影响因素集合内的相关影响因素进行剔除，得到剔除后的相关影响因素集合；采用熵权法确定剔除后的相关影响因素集合中每个相关影响因素的权重，并根据各所述相关影响因素的权重得到各相关影响因素的加权值；采用傅里叶变换对每个相关影响因素的加权值分别进行分解得到每个相关影响因素对应的频率集合；每个频率集合包括多个频率；将所述地形数据集中各地形变化量分别在所述频率集合中进行分解，得到所有相关影响因素对应的地形变化量；对于所有相关影响因素对应的频率集合中的任意一个频率，以所述频率为输入，以所述频率对应的所有相关影响因素对应的地形变化量为输出对神经网络进行训练得到所述频率对应的预测网络；各频率对应的预测网络用于对待预测区域的地形形变进行预测。2.根据权利要求1所述的一种潮滩地形形变预测方法，其特征在于，所述根据所述地形数据集以及各影响因素的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度，具体包括：对所述地形数据集以及各影响因素的数据集分别进行无量纲处理得到处理后的地形数据集以及各影响因素处理后的数据集；根据所述处理后的地形数据集以及各影响因素处理后的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度。3.根据权利要求2所述的一种潮滩地形形变预测方法，其特征在于，所述根据所述处理后的地形数据集以及各影响因素处理后的数据集计算每个影响因素的数据集与所述地形数据集的灰色关联度，具体包括：对于任意一个时刻，根据所述处理后的地形数据集中所述时刻的地形变化量以及第i个影响因素处理后的数据集中所述时刻的影响因素的值得到所述时刻对应的第i个影响因素与处理后的地形数据集中的地形变化量的灰色关联度；根据所有时刻对应的第i个影响因素与处理后的地形数据集中的地形变化量的灰色关联度得到第i个影响因素的数据集与所述地形数据集的灰色关联度。4.根据权利要求1所述的一种潮滩地形形变预测方法，其特征在于，所述各频率对应的预测网络用于对待预测区域的地形形变进行预测，具体包括：获取待预测区域的所有相关影响因素对应的频率集合；
对于所述待预测区域的所有相关影响因素对应的频率集合中的任意一个频率，将所述频率输入目标预测网络得到所述频率对应的所有相关影响因素对应的地形形变分量；所述目标预测网络为所述频率对应的预测网络；将所述待预测区域的所有相关影响因素对应的频率集合中的所有频率对应的所有相关影响因素对应的地形形变分量叠加得到所述待预测区域的地形形变。5.一种潮滩地形形变预测系统，其特征在于，包括：获取模块，用于在历史时间段内按照设定时间间隔获取目标区域在多个时刻的地形变化量和各影响因素的值得到地形数据集以及各影响因素的数据集；所述影响因素包括：上覆水压力、温度、风速、降水量...

【专利技术属性】
技术研发人员：葛勇强，陈家旺，张春月，曹晨，周朋，周琦骁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：