一种滑坡形变时空预测方法与系统技术方案

技术编号:40679916 阅读:22 留言:0更新日期:2024-03-18 19:19
本发明专利技术公布了一种滑坡形变时空预测方法与系统,包括以下步骤:收集滑坡区域时间序列SAR图像进行差分干涉预处理;进行时序InSAR流程处理,获取多维时序InSAR形变数据;对多维InSAR时序形变数据进行季节性分解,建立各类别时序形变数据集;基于InSAR时序形变数据集构建各类别的Spacetimeformer神经网络模型进行多维形变时空预测;对Spacetimeformer模型进行模型训练和验证,得到各类别预测的时序形变量,并将各类别的预测值相加得到滑坡区域的形变预测结果。本发明专利技术可应用于基于InSAR时序形变的滑坡时空预测,为实时监测滑坡位移过程和未来趋势提供了理论依据,本发明专利技术提供的方法和系统也可适用于其他地质灾害的InSAR形变预测应用。

【技术实现步骤摘要】

本专利技术涉及的是滑坡形变时空预测领域,尤其涉及一种滑坡形变时空预测方法与系统


技术介绍

1、滑坡灾害隐蔽性强、破坏力巨大,对人民的生命和财产构成严重威胁。滑坡体的表面形变是评估其稳定性和潜在危害、预测可能的垮塌的关键信息,对识别潜在滑坡和监测其稳定性至关重要。合成孔径雷达干涉测量(interferometric synthetic apertureradar, insar)是一种基于雷达干涉测量技术的微波遥感方法,通过比较不同时间采集的两幅或多幅合成孔径雷达(sar)图像来测量地表的微小变化。这项技术由于高分辨率、高精度、长时间监测、不受云雨天气影响等优势被广泛应用于滑坡识别、形变监测和灾害预警。

2、实时监测滑坡区域的形变和进行时空预测是防范滑坡灾害的关键步骤。通过这些方法能够及时捕捉到地面的异常变化,从而在灾害发生之前采取应对措施。在滑坡监测预警方面,滑坡时序形变预测是一个至关重要的问题。传统的预测方法包括数学模型、统计模型、经验模型和传统的人工神经网络模型。随着人工智能的发展,深度学习神经网络模型在滑坡形变时空预测方面优于传统的时间序本文档来自技高网...

【技术保护点】

1.一种滑坡形变时空预测方法,其特征在于,包括:

2.根据权利要求 1 所述的一种滑坡形变时空预测方法,其特征在于,在步骤S2中,所述小基线子集方法包括:

3. 根据权利要求 2所述的一种滑坡形变时空预测方法,其特征在于,所述最小二乘解的计算公式为:

4.根据权利要求 1 所述的一种滑坡形变时空预测方法,其特征在于,所述永久散射体法筛选采用了单一参考影像干涉对,所有的辅图像与参考影像都生成干涉图,得到一组差分干涉相位,其中,N为SAR图像的数量;需要对残余高程和形变相位进行建模,

5.根据权利要求 4 所述的一种滑坡形变时空预测方法,其特征...

【技术特征摘要】

1.一种滑坡形变时空预测方法,其特征在于,包括:

2.根据权利要求 1 所述的一种滑坡形变时空预测方法,其特征在于,在步骤s2中,所述小基线子集方法包括:

3. 根据权利要求 2所述的一种滑坡形变时空预测方法,其特征在于,所述最小二乘解的计算公式为:

4.根据权利要求 1 所述的一种滑坡形变时空预测方法,其特征在于,所述永久散射体法筛选采用了单一参考影像干涉对,所有的辅图像与参考影像都生成干涉图,得到一组差分干涉相位,其中,n为sar图像的数量;需要对残余高程和形变相位进行建模,

5.根据权利要求 4 所述的一种滑坡形变时空预测方法,其特征在于:形变相位对于长时间序列变化,通常可以使用线性形变模型进行模拟,即与时间存在如下关系:

6.根据权利要求 1 所述的一种滑坡形变时空预测方法,...

【专利技术属性】
技术研发人员:王京范熙伟顾子媛聂文钰齐远猛张楠
申请(专利权)人:中国地震局地质研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1