【技术实现步骤摘要】
本专利技术属于雷达遥感以及图像处理，尤其涉及一种基于insar技术和深度学习的多因子输电通道地表形变预测方法。
技术介绍
1、对输电通道进行地表形变预测具有重大意义，这可以实现对输电线路灾害的防治，以及对可能受到影响的输电杆塔的重点监测与维护，保证输电线路的安全运行。深度学习通过模拟人脑的神经网络结构来实现对数据的学习和理解，使用合适的神经网络结构和大规模的标注数据实现对复杂场景中目标的自动检测和定位。
2、现有技术中输电通道地表形变预测方法包括以下几种预测方式：
3、(1)svm、lstm、elman、elman-lstm模型预测，将累积总位移根据时间序列分析原理分为趋势项与波动项，然后使用四种位移预测模型分别预测各项位移值，最后将趋势项位移预测值与波动项位移预测值累加获得累积总位移预测值。
4、形变是一个动态变化的过程，svm属于静态预测模型，该模型只对当前时刻的信息进行学习和使用，无法利用历史信息；虽然lstm和elman属于动态模型，表现较svm好一些，但也有一些缺点，lstm计算复杂度高，使...
【技术保护点】
1.基于InSAR技术和深度学习的多因子输电通道地表形变预测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于InSAR技术和深度学习的多因子输电通道地表形变预测方法，其特征在于，对于每个待监测区域的输电通道，在各采样日期下采集的一张包含输电杆塔的SAR图像，为该采样日期内的任一时刻下包含输电杆塔的SAR图像；
3.根据权利要求1所述的基于InSAR技术和深度学习的多因子输电通道地表形变预测方法，其特征在于，对同一待监测区域的输电通道下的采集的所有SAR图像预处理的实现方式包括：
4.根据权利要求1所述的基于InS...
【技术特征摘要】
1.基于insar技术和深度学习的多因子输电通道地表形变预测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于insar技术和深度学习的多因子输电通道地表形变预测方法，其特征在于，对于每个待监测区域的输电通道，在各采样日期下采集的一张包含输电杆塔的sar图像，为该采样日期内的任一时刻下包含输电杆塔的sar图像；
3.根据权利要求1所述的基于insar技术和深度学习的多因子输电通道地表形变预测方法，其特征在于，对同一待监测区域的输电通道下的采集的所有sar图像预处理的实现方式包括：
4.根据权利要求1所述的基于insar技术和深度学习的多因子...
【专利技术属性】
技术研发人员：盛杰，朱广城，王子恒，王仲禹，董德阳，韩瑞慧，高思明，杨己正，许超，曲中直，谭龙，魏春明，张德文，邢维，王雪婷，
申请(专利权)人：国网黑龙江省电力有限公司电力科学研究院，
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。