基于北斗的微形变预测方法、装置、设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113642812A(43)申请公布日2021.11.12(21)申请号202111200897.9G06N20/00(2019.01)(22)申请日2021.10.15G06N20/10(2019.01)G06N3/04(2006.01)(71)申请人西南交通大学地址610031四川省成都市二环路北一段111号申请人成都交大大数据科技有限公司(72)发明人杨柳肖皇屿马征唐优华刘恒(74)专利代理机构北京集智东方知识产权代理有限公司11578代理人刘林陈攀(51)Int.Cl.G06Q10/04(2012.01)G06F16/215(2019.01)G06F16/29(2019.01)权利要求书3页说明书13页附图3页(54)发明名称基于北斗的微形变预测方法、装置、设备及可读存储介质(57)摘要本发明提供了一种基于北斗的微形变预测方法、装置、设备及可读存储介质，涉及卫星监测技术领域，包括获取位移数据集，所述位移数据集包括至少两组位移数据，所述位移数据是通过卫星测量得到的目标的三维位移量，将所述位移数据集中的每个所述位移数据分别进行计算，分别得到每个所述位移数据的位移形变数据;根据所述位移形变数据，建立预测模型,并通过所述预测模型计算出所述目标在第三时刻相对于第二时刻的位移量预测结果;预测监测对象未来形变趋势，可应用于地质灾害、建筑、桥梁等领域的监测及预警;提高了预测准确度，解决了传统单一位移形变预测模型无法准确描述变形和演化规律的局限性。CN113642812ACN113642812A权利要求书1/3页1.基于北斗的微形变预测方法，其特征在于，包括：获取位移数据集，所述位移数据集包括至少两组位移数据，所述位移数据是通过卫星测量得到的目标的三维位移量，所述三维位移量为第二时刻相对于第一时刻的位移量；将所述位移数据集中的每个所述位移数据分别进行计算，分别得到每个所述位移数据的位移形变数据，所述位移形变数据为在所述位移数据集中通过预测算法模块提取出的数据;根据所述位移形变数据，建立预测模型,并通过所述预测模型计算出所述目标在第三时刻相对于第二时刻的位移量预测结果。2.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述将位移数据集中的每个位移数据分别进行计算，分别得到位移形变数据,包括:通过箱型图分析方法对每个所述位移数据进行异常值判断；获取每个所述位移数据的异常值判断结果，若判断结果正常，则记做第一信息，若判断结果不正常，则剔除；对判断结果正常的所述第一信息的空缺部分进行填补;获取填补后的所述第一信息,将所述第一信息记做位移形变数据。3.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述根据所述位移形变的数据，建立预测模型，包括：将所述位移形变数据经过预设公式进行转化得到转化数据集，转化公式如下：其中，式中为所有位移原始数据的均值，为所有位移数据的标准差,为均值方差归一化的结果，为需要处理的数据；更新所述位移形变数据为所述转化数据集。4.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述根据所述位移形变的数据，建立预测模型，包括：更新所述位移形变数据为所述转化数据集,根据所述转化数据集，建立第一模型，所述第一模型包括更新门单元和重置门单元，所述第一模型的每个门单元和隐藏层的计算公式如下：式中，rt为更新门单元,zt为重置门单元,为sigmoid激活函数，为双曲正切激活函数，为当前的输入，为当前输出，表示候选激活向量，为之前的输出，和是更新门单元的权重，和是重置门单元的权重，和是输出候选值，、和2CN113642812A权利要求书2/3页分别是更新门单元、重置门单元和输出候选值的偏置向量。5.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述根据所述位移形变的数据，建立预测模型，还包括：更新所述位移形变数据为所述转化数据集,根据所述转化数据集，建立第二模型；通过所述第二模型，求解自回归过程，计算公式如下：；式中，，，，表示AR的系数，为当前输出，，，，为之前的输入，为第t个时间序列的白噪声;根据所述自回归过程获取到移动平均过程，计算如下：式中，、，表示对应输入的误差，为随机干扰项序列，，，，表示对应的权重系数,为白噪声；根据所述自回归过程和所述移动平均过程，求解得到自回归移动平均，计算公式如下：式中，表示误差，式中，，，，表示AR的系数，为当前输出，，，，为之前的输入，、，表示对应输入的误差，，，，表示对应的权重系数。6.根据权利要求1所述的基于北斗的微形变预测方法，其特征在于,所述根据所述位移形变的数据，建立预测模型,并通过所述预测模型计算出第三时刻最终位移预测结果，包括：更新所述位移形变数据为所述转化数据集