基于传感器数据和卫星数据交互迭代的融合方法和系统技术方案

本发明专利技术涉及基于传感器数据和卫星数据交互迭代的融合方法和系统

【技术实现步骤摘要】
基于传感器数据和卫星数据交互迭代的融合方法和系统


[0001]本专利技术涉及基于传感器数据和卫星数据交互迭代的融合方法和系统，可用于地面沉降模型研究及预测等场合
。

技术介绍

[0002]目前在对地面区域进行沉降分析时，通常通过遥感卫星的合成孔径雷达的干涉技术进行，雷达干涉测量充分利用获取的雷达相位信息，能够提取地面三维信息，所用的差分干涉测量
InSAR
技术通过对相位变化的分析，可以探测地表厘米级甚至毫米级的变化，形成地面沉降数据
。
但由于卫星对同一位置和角度的重访周期较长，对于沉降变化比较大的区域，通常还需要加装地面传感器来提高监测的频率
。
由于地面传感器成本比较高，而且监测的区域仅是安装传感器的位置
(
地面观测点
)
，而遥感卫星涉及的遥感差分干涉则覆盖一个大范围区域
(
一景通常上百平方公里
)
，如何对这两种数据进行有效利用，融合获得两方面的优势，目前尚缺乏此类技术
。
[0003]另一方面，现有的预测技术是使用机器学习
、
神经网络
、
双嵌套混合模型等进行单一周期的数据预测，即仅使用短周期数据预测未来时间
(
时点，或称时间点
)
的数据
。
这种方式带来的问题是：数据类型的单一性，不能对多种类型数据进行融合使用；预测模型的单一性，不能对多个模型
/
数据进行融合使用
。

技术实现思路

[0004]为克服现有技术的上述缺陷，本专利技术提供了基于传感器数据和卫星数据交互迭代的融合方法和用于实施这种方法的基于传感器数据和卫星数据交互迭代的融合系统，以在传感器数据和卫星数据融合的基础上构建预测模型
。
[0005]本专利技术的技术方案是：基于传感器数据和卫星数据交互迭代的融合方法，获取一个或多个长周期内的传感器观测点的传感器数据和卫星观测点的卫星数据，其中传感器数据为基于地面传感器的短周期数据，卫星数据为基于遥感卫星的长周期数据，卫星观测点为相关传感器观测点的相邻卫星观测点，以同一长周期的短周期数据和长周期数据组成一个样本数据，构建以短周期数据为输入值
、
长周期数据为输出值的神经网络回归模型，以实际获得的长周期数据为期望的输出值，采用反向传播算法对该模型进行迭代训练，获得满足误差要求的训练后模型，以该训练后模型作为该卫星观测点的预测模型
。
[0006]优选地，长周期为短周期的若干整倍数
。
[0007]优选地，传感器数据和卫星数据为地面沉降数据，所称预测模型为用于地面沉降分析和
/
或预测的模型
。
[0008]在涉及预测模型的运算中，对任一点，可以且适宜于只考虑其平面坐标
。
[0009]可以仅以地面的垂直位移数据作为地面沉降数据
。
[0010]可以将观测区域划分为若干密铺的分区，分区的边缘呈凸多边形，每个分区中有且只有一个传感器观测点，各分区的顶点均为卫星观测点
。
所称观测区域应为卫星观测区
域的一部分，适宜时，亦可以为卫星观测区域的全部
。
[0011]可以基于分区需求及预测精度要求确定地面传感器的数量及分布方式
。
[0012]对任意分区的任意顶点，可以采用该顶点的长周期数据和该顶点所在的任一分区中的传感器观测点的短周期数据建立该顶点的预测模型
。
[0013]可以依据预测模型计算获得相应顶点的预测数据，其中可以包括与短周期数据时点相同的预测数据和
/
或与长周期数据时点相同的预测数据
。
[0014]优选地，将分区分割为若干密铺的三角形区域，同一分区的各三角形区域的三角形顶点均为该分区的凸多边形顶点，依据三角形顶点的预测数据，可以采用插值法或其他适宜方法计算获得三角形区域中除顶点之外的点的预测数据
。
[0015]基于传感器数据和卫星数据交互迭代的融合系统，包括卫星遥感系统和若干地面传感器，还包括神经网络系统
/
平台，所述卫星遥感系统用于生成涉及卫星观测区域的地面沉降的长周期数据，所述地面传感器设置于卫星观测区域，用于生成涉及其所在传感器观测点的地面沉降的短周期数据，所述神经网络系统
/
平台用于实施本专利技术公开的任一种基于传感器数据和卫星数据交互迭代的融合方法，所述卫星观测点为卫星观测区域中的点
。
[0016]所述神经网络系统
/
平台可以通过通信网络或其他通信方式连接有用于人机交互的操作终端，接受来自操作终端的人工输入，将分析
/
预测结果送至操作终端进行显示
。
[0017]本专利技术的有益效果是：通过对传感器数据和卫星遥感数据的交互迭代，实现了两种数据分析的有效融合，建立的地面沉降模型可从时间维度和空间维度进行分析和预测，需要设置的地面传感器数量少，且配合其他现有数据处理手段，能够进行大范围区域的地面沉降分析和预测，也可用于其他适宜场合
/
用途
。
附图说明
[0018]图1是基于地面传感器的短周期观测数据和基于遥感卫星的长周期观测数据的分布示例；
[0019]图2是采用本专利技术方法获得的与图1示例对应的回归曲线示例；
[0020]图3是地面传感器观测点及其相关
(
邻近
)
遥感卫星观测点的分布示例；
[0021]图4是基于图3所示地面传感器观测点和相关
(
邻近
)
遥感卫星观测点的凸多边形分区示例；
[0022]图5是基于图4所示凸多边形的
Delaunay
三角网示例；
[0023]图6是基于图5所示
Delaunay
三角形的插值运算及数据变化示例
(
以颜色深浅表示数值变化
)。
具体实施方式
[0024]参见图1‑
图3，在观测区域中，设置若干地面传感器，用于获得地面沉降的相关数据，地面传感器采用短周期采样方式，例如，每
10
分钟采集一次数据，这类能够采集短周期数据的观测点可称为短周期观测点，在本专利技术涉及的场景下，亦可称为传感器观测点或地面观测点，图3示例中的传感器观测点标识为
O
点
。
[0025]地面传感器可采用能够采集地面沉降数据的任意适宜的现有技术，基于各自的工作原理
/
方式，通过传感器自身的数据处理或者配套设施的数据处理，可获得该传感器观测
点的地面沉降数据，这些数据为基于地面传感器的地面沉降数据，在本专利技术涉及的场景下，亦可称为短周期数据，或传感器数据
。
[0026]可以依据实际需要，在遥感卫星本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于传感器数据和卫星数据交互迭代的融合方法，其特征在于获取一个或多个长周期内的传感器观测点的传感器数据和卫星观测点的卫星数据，其中传感器数据为基于地面传感器的短周期数据，卫星数据为基于遥感卫星的长周期数据，卫星观测点为相关传感器观测点的相邻卫星观测点，以同一长周期的短周期数据和长周期数据组成一个样本数据，构建以短周期数据为输入值
、
长周期数据为输出值的神经网络回归模型，以实际获得的长周期数据为期望的输出值，采用反向传播算法对该模型进行迭代训练，获得满足误差要求的训练后模型，以该训练后模型作为该卫星观测点的预测模型
。2.
如权利要求1所述的基于传感器数据和卫星数据交互迭代的融合方法，其特征在于长周期为短周期的若干整倍数
。3.
如权利要求1所述的基于传感器数据和卫星数据交互迭代的融合方法，其特征在于传感器数据和卫星数据为地面沉降数据，所称预测模型为用于地面沉降分析和
/
或预测的模型
。4.
如权利要求3所述的基于传感器数据和卫星数据交互迭代的融合方法，其特征在于仅以地面的垂直位移数据作为地面沉降数据
。5.
如权利要求1‑4中任一项所述的基于传感器数据和卫星数据交互迭代的融合方法，其特征在于将观测区域划分为若干密铺的分区，分区的边缘呈凸多边形，每个分区中有且只有一个传感器观测点，各分区的顶点均为卫星观测点
。6.
如权利要求5所述的基于传感器数据和卫星数据交互迭代的融合方法，其特征在于基...

【专利技术属性】
技术研发人员：蒋正阳，曹哲铭，蒋建民，张奇，
申请(专利权)人：北京睿知行科技有限公司，
类型：发明
国别省市：