【技术实现步骤摘要】
本专利技术涉及空天地海一体化监测，具体而言，涉及一种基于空天地海一体化融合的监测数据管理方法及系统。
技术介绍
1、随着科技的发展，尤其是遥感和无人机技术的进步，对地面、海洋、空中等多种环境进行监测已成为可能。然而，由于监测区域的复杂性和范围的广泛性，如何有效地对大范围、多环境的候选空天地海监测区域进行准确且高效的监测，是当前迫切需要解决的问题。
2、传统的监测方法通常采用分别对每个单独的监测单位区域进行数据采集和处理的方式，然后将这些数据进行简单的融合或比较，以便检测是否存在异常情况。然而，这种方法存在一些缺点。首先，它忽视了不同监测单位区域之间可能存在的相互关联性，这可能导致对整体情况的判断出现偏差。其次，由于没有考虑到各监测单位区域对于整体目标异常场景类别的贡献程度可能会有所不同，因此，简单的融合或比较往往无法得到准确的结果。
3、因此，开发一种能够有效地对候选空天地海监测区域进行监测，同时又能充分考虑各监测单位区域的特性和重要性的方法，是当前的一个技术挑战。本专利技术就是针对这一挑战提出的解决方案。
技术实现思路
1、为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种基于空天地海一体化融合的监测数据管理方法及系统，
2、对候选空天地海监测区域进行监测单位分配，生成所述候选空天地海监测区域包括的多个监测单位区域；
3、对各所述监测单位区域进行数据采集，生成各所述监测单位区域的多维融合特征数据，其中，所述多维融合特征
4、依据各所述监测单位区域的多维融合特征数据，分别对各所述监测单位区域进行第一异常特征模式决策，生成各所述监测单位区域的异常特征模式决策数据；
5、对于各所述监测单位区域，依据所述监测单位区域的异常特征模式决策数据，确定所述监测单位区域的注意力系数，并将所述监测单位区域的所述多维融合特征数据和所述监测单位区域的所述注意力系数进行加权融合，生成所述监测单位区域的目标多维融合特征数据，所述注意力系数表征所述监测单位区域对于所述候选空天地海监测区域的目标异常场景类别数据的参与因子；
6、依据所述多个监测单位区域的目标多维融合特征数据，对所述候选空天地海监测区域进行第二异常特征模式决策，生成所述候选空天地海监测区域的目标异常场景类别数据。
7、在第一方面的一种可能的实施方式中，所述对候选空天地海监测区域进行监测单位分配，生成所述候选空天地海监测区域包括的多个监测单位区域，包括：
8、确定所述候选空天地海监测区域对应的具有目标规模度量参数的移动观测框、以及所述移动观测框的移动间隔；
9、通过依据所述移动间隔移动所述移动观测框，对所述候选空天地海监测区域进行监测单位分配，生成所述候选空天地海监测区域包括的多个监测单位区域。
10、在第一方面的一种可能的实施方式中，所述对各所述监测单位区域进行数据采集，生成各所述监测单位区域的多维融合特征数据，包括：
11、对各所述监测单位区域进行第一特征采集深度的数据采集，生成各所述监测单位区域的、第一特征采集深度的参考多维融合特征数据；
12、将所述多个监测单位区域分别对应的第一特征采集深度的参考多维融合特征数据进行融合，生成所述候选空天地海监测区域的参考多维融合特征数据阵列；
13、对所述参考多维融合特征数据阵列进行第二特征采集深度的数据采集，生成所述候选空天地海监测区域的多维融合特征数据阵列，所述多维融合特征数据阵列包括各所述监测单位区域的、第二特征采集深度的所述多维融合特征数据，所述第二特征采集深度小于所述第一特征采集深度。
14、在第一方面的一种可能的实施方式中，所述依据所述监测单位区域的异常特征模式决策数据，确定所述监测单位区域的注意力系数，包括：
15、获取所述第一异常特征模式决策的异常特征模式数量，并确定所述异常特征模式数量的等概率分布；
16、确定所述监测单位区域的异常特征模式决策数据和所述等概率分布之间的偏离度，并将所述偏离度作为所述监测单位区域的注意力系数。
17、在第一方面的一种可能的实施方式中，所述依据所述多个监测单位区域的目标多维融合特征数据，对所述候选空天地海监测区域进行第二异常特征模式决策，生成所述候选空天地海监测区域的目标异常场景类别数据，包括：
18、对所述多个监测单位区域的目标多维融合特征数据进行集成，生成集成多维融合特征数据；
19、依据所述集成多维融合特征数据，对所述候选空天地海监测区域进行第二异常特征模式决策，生成所述候选空天地海监测区域的目标异常场景类别数据。
20、在第一方面的一种可能的实施方式中，所述第一异常特征模式决策通过异常特征模式决策网络的单体预测子网络实现，所述第二异常特征模式决策依据所述异常特征模式决策网络的群体预测子网络实现；
21、所述方法还包括：
22、获取用于对所述异常特征模式决策网络进行参数学习的样例多维融合特征数据序列，所述样例多维融合特征数据序列包括多个样例多维融合特征数据，所述样例多维融合特征数据携带有异常场景类别标注数据，所述样例多维融合特征数据包括多个样例监测单位区域，所述样例监测单位区域携带有异常特征模式标注数据；
23、获取各所述样例多维融合特征数据中各所述样例监测单位区域的样例监测单位特征，依据所述单体预测子网络，依据各所述样例监测单位区域的样例监测单位特征，分别对各所述样例监测单位区域进行第一异常特征模式决策，生成各所述样例监测单位区域的单体预测数据；
24、对于各所述样例多维融合特征数据，基于所述样例多维融合特征数据中各所述样例监测单位区域的异常特征模式标注数据，通过所述群体预测子网络对所述样例多维融合特征数据进行第二异常特征模式决策，生成所述样例多维融合特征数据的群体预测数据；
25、依据各所述样例监测单位区域的所述单体预测数据和所述异常特征模式标注数据的偏离度、以及所述样例多维融合特征数据的所述群体预测数据和所述异常场景类别标注数据的偏离度，确定所述异常特征模式决策网络的网络代价参数值；
26、依据所述网络代价参数值，优化所述异常特征模式决策网络的网络参数，以对所述异常特征模式决策网络进行知识学习。
27、在第一方面的一种可能的实施方式中，所述依据各所述样例监测单位区域的所述单体预测数据和所述异常特征模式标注数据的偏离度、以及所述样例多维融合特征数据的所述群体预测数据和所述异常场景类别标注数据的偏离度，确定所述异常特征模式决策网络的网络代价参数值，包括：
28、对于各所述样例监测单位区域，依据所述样例监测单位区域的所述单体预测数据和所述异常特征模式标注数据的偏离度，确定所述异常特征模式决策网络的候选单体训练代价；
29、将所述异常本文档来自技高网...
【技术保护点】
1.一种基于空天地海一体化融合的监测数据管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述对候选空天地海监测区域进行监测单位分配，生成所述候选空天地海监测区域包括的多个监测单位区域，包括：
3.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述对各所述监测单位区域进行数据采集，生成各所述监测单位区域的多维融合特征数据，包括：
4.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述依据所述监测单位区域的异常特征模式决策数据，确定所述监测单位区域的注意力系数，包括：
5.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述依据所述多个监测单位区域的目标多维融合特征数据，对所述候选空天地海监测区域进行第二异常特征模式决策，生成所述候选空天地海监测区域的目标异常场景类别数据，包括：
6.根据权利要求1-5中任意一项所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述第
7.根据权利要求6所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述依据各所述样例监测单位区域的所述单体预测数据和所述异常特征模式标注数据的偏离度、以及所述样例多维融合特征数据的所述群体预测数据和所述异常场景类别标注数据的偏离度，确定所述异常特征模式决策网络的网络代价参数值，包括：
8.根据权利要求6所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述基于所述样例多维融合特征数据中各所述样例监测单位区域的异常特征模式标注数据，通过所述群体预测子网络对所述样例多维融合特征数据进行第二异常特征模式决策，生成所述样例多维融合特征数据的群体预测数据，包括：
9.根据权利要求6所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述对于各所述样例多维融合特征数据，基于所述样例多维融合特征数据中各所述样例监测单位区域的异常特征模式标注数据，通过所述群体预测子网络对所述样例多维融合特征数据进行第二异常特征模式决策，生成所述样例多维融合特征数据的群体预测数据的步骤之前，所述方法还包括：
10.一种远程监测系统，其特征在于，所述远程监测系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有机器可执行指令，所述机器可执行指令由所述处理器加载并执行以实现权利要求1-9中任意一项的基于空天地海一体化融合的监测数据管理方法。
...【技术特征摘要】
1.一种基于空天地海一体化融合的监测数据管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述对候选空天地海监测区域进行监测单位分配，生成所述候选空天地海监测区域包括的多个监测单位区域，包括：
3.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述对各所述监测单位区域进行数据采集，生成各所述监测单位区域的多维融合特征数据，包括：
4.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述依据所述监测单位区域的异常特征模式决策数据，确定所述监测单位区域的注意力系数，包括：
5.根据权利要求1所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述依据所述多个监测单位区域的目标多维融合特征数据，对所述候选空天地海监测区域进行第二异常特征模式决策，生成所述候选空天地海监测区域的目标异常场景类别数据，包括：
6.根据权利要求1-5中任意一项所述的基于空天地海一体化融合的监测数据管理方法，其特征在于，所述第一异常特征模式决策通过异常特征模式决策网络的单体预测子网络实现，所述第二异常特征模式决策依据所述异常特征模式决策网络的群体预测子网络实现；
7.根据权利要求6所述的...
【专利技术属性】
技术研发人员：刘朝章，许永刚，隋灿，侯炜，张鹏，武楠，韩志骏，朱坤双，刘东明，张海强，李英成，徐泽，张铭刚，
申请(专利权)人：国网山东省电力公司应急管理中心，
类型：发明
国别省市：
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。