申请/专利权人：包钢勘察测绘研究院

申请日：2023-11-27

公开（公告）日：2024-02-23

公开（公告）号：CN117590388A

主分类号：G01S13/88

分类号：G01S13/88;G01S7/41;G01B15/06;G06F18/2321

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明公开了一种基于DBSCAN聚类算法的边坡雷达监测预警方法，依据边坡雷达获取的具有空间信息与位移时间序列信息的区域监测数据，基于DBSCAN聚类算法从时间和空间两个维度综合分析，给出边坡监测预警结果，充分发挥了坡表雷达遥测数据的时空连续性优势；通过对边坡雷达监测数据的聚类挖掘，根据空间属性更为精确的圈定不同类别的边坡变形区域，根据位移变形特征判断边坡变形所处的阶段，结合矿山地质情况对破坏模式进行推断，避免了以小范围或孤立点监测数值变化作为变形识别单元产生的虚警情况，从而有效的对边坡的变形所处的阶段、变形区域的破坏规模和模式给出更准确的监测预警结果，为矿山安全生产提供支撑。

主权项：1.一种基于DBSCAN聚类算法的边坡雷达监测预警方法，其特征在于，包括以下步骤：S1、数据获取：通过设置在边坡上的边坡雷达获取具有空间信息与位移时间序列信息的区域监测数据；S2、数据预处理：对所述S1、数据获取中获取的区域监测数据进行缺失值填充、等时间长度位移量合并、位移时间序列中位移数据的时间属性标准化处理和空间属性归一化处理；S3、特征参数提取：将所述S2、数据预处理中预处理后的数据通过主成分分析法降低数据维度，然后使用k距离法得到较优的邻域半径与最小样本数，作为初始特征参数；S4、参数优化：将所述S3、特征参数提取中得到的两个初始特征参数使用DBSCAN聚类算法对雷达监测点进行聚类，根据轮廓系数法对聚类参数进行评价，对初始特征参数进行优化，得到优化后的特征参数；利用优化后的特征参数进行聚类，并对聚类参数再次进行评价，通过重复优化特征参数，直至选出当前数据最优的邻域半径与最小样本数，作为最优聚类参数；S5、结果分析：根据所述S4、参数优化中得到的最优聚类参数进行聚类，根据聚类结果划分若干测点簇，对各簇的总累积位移速率均值、面积较大的区域进行标定，给出平均位移时间序列曲线并对边坡的变形所处的阶段、变形区域的破坏规模和模式给出预测结果。

全文数据：

权利要求：

百度查询： 包钢勘察测绘研究院 一种基于DBSCAN聚类算法的边坡雷达监测预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD