【技术实现步骤摘要】
本专利技术涉及测绘，尤其涉及的是一种自适应迭代季节性分解与趋势分析的沉降过程自动识别方法。
技术介绍
1、随着地铁线路建设加速，由于技术缺陷、工程监测不足以及复杂的地质条件等原因，导致施工事故频繁发生。相较于传统地铁监测技术，多时相insar（mt-insar，即多时相合成孔径雷达干涉）能够实现大范围、长时序、高精度的形变监测，其精度可达到毫米级。由于，地铁线路通常修建于城市环境中，在这种环境下存在大量的永久散射体，这使得基于点目标的mt-insar处理算法更适合用于探究时空形变的演变。
2、现有的用于定义危险性区域的mt-insar方法主要有以下两类：第一类方法将永久散射体（ps）归类到与地铁结构相关的类型，并利用危险性评估方法来表征形变危险程度。第二类方法将mt-insar与机器学习相结合，以评估地面沉降风险水平和预测地铁网络沿线的动态形变模式。虽然这些方法为识别危险区域提供了一种新途径，但大多数现成的技术高度依赖形变速率的计算，这样一来，限制了mt-insar在空间域之外的检测形变风险的能力，导致其对于危险性区域的检测
本文档来自技高网...【技术保护点】
1.一种自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，包括：
2.根据权利要求1所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述基于迭代季节性分解方法对所述多时相合成孔径雷达干涉数据集中的时间序列进行预处理，包括：
3.根据权利要求2所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述局部加权回归散点平滑算法的表达式为：
4.根据权利要求1所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述基于带滑动窗口的绝对差值沉降自动识别方法对预处理...
【技术特征摘要】
1.一种自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，包括：
2.根据权利要求1所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述基于迭代季节性分解方法对所述多时相合成孔径雷达干涉数据集中的时间序列进行预处理，包括：
3.根据权利要求2所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述局部加权回归散点平滑算法的表达式为：
4.根据权利要求1所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述基于带滑动窗口的绝对差值沉降自动识别方法对预处理后的时间序列进行逐像素分析，量化研究区域中各沉降点的沉降趋势，包括：
5.根据权利要求4所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述相邻窗口的中位数表示为：
6.根据权利要求4所述的自适应迭代季节性分解与趋势分析的沉降过程自动识别方法，其特征在于，所述根据相邻窗口的中位数计算得到各时间点的绝对差值，并根据所述绝对差值、集中趋势和...
【专利技术属性】
技术研发人员：张博琛，张嘉元，熊思婷，汪驰升，朱武，吴松波，
申请(专利权)人：深圳大学，
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。