申请/专利权人：山东元鸿勘测规划设计有限公司

申请日：2024-01-19

公开（公告）日：2024-05-07

公开（公告）号：CN117593653B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/774;G06V10/84;G06V10/75;G06V10/764;G06V10/82;G06F16/51;G06F16/583;G06F16/55;G06F16/58;G06F16/587;G06Q10/0635;G06Q10/04;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明涉及地质灾害预测技术领域，具体为基于遥感监测的地质灾害预警方法，包括以下步骤，基于收集的遥感数据，采用R树空间索引技术和JPEG2000压缩算法，进行数据存储和初步处理，生成优化后的遥感数据集；本发明中，通过集成时频分析工具，提高了复杂地表变化模式，采用的校准技术能够有效应对大气散射、日照角度变化和设备老化等因素，通过空间索引技术和数据压缩方法的应用，提升了大量遥感数据的存储和检索效率，应用非平衡热力学原理能够更深入地分析热红外数据，揭示地表温度变化的微妙模式，通过隐马尔可夫模型提升了复杂风险评估的准确性和及时性，运用自组织映射网络等机器学习技术，增强了复杂和高维地质数据的模式识别和分类效率。

主权项：1.基于遥感监测的地质灾害预警方法，其特征在于，包括以下步骤：基于收集的遥感数据，采用R树空间索引技术，进行多维数据检索和空间查询，同时使用JPEG2000压缩算法对遥感图像进行压缩，生成优化后的遥感数据集的步骤具体为：基于收集的遥感数据，采用多时相分析，通过对比同一地区在多时间点的遥感图像，分析地表的时间序列变化，识别和记录地表覆盖的动态变化，生成多时相变化检测结果；基于所述多时相变化检测结果，采用R树空间索引技术，通过动态插入和分裂算法进行数据组织操作，优化地表变化数据在空间数据库中的存储和访问，生成空间索引化变化检测结果；基于所述空间索引化变化检测结果，采用JPEG2000压缩算法，通过离散小波变换提取重要图像特征，应用EBCOT编码技术进行图像数据的压缩，生成优化后的遥感数据集；基于所述优化后的遥感数据集，采用MODTRAN辐射传输模型计算光线在大气中的传输损失，结合特征点匹配算法校正图像对齐偏差，生成校准完成的数据集的步骤具体为：基于所述优化后的遥感数据集，采用MODTRAN辐射传输模型，通过辐射传输计算，模拟大气中光线的散射和吸收，估算大气对遥感数据的影响，进行大气效应校正，生成大气校正后的数据集；基于所述大气校正后的数据集，采用空间同化技术，通过Kriging插值方法，进行数据点间的空间估计，通过反距离加权技术，优化数据点间的空间权重分配，生成空间统一的数据集；基于所述空间统一的数据集，采用特征点匹配算法，通过尺度不变特征变换技术，对多时相数据进行特征提取和匹配，通过光流法，追踪图像序列中的运动特征点，进行多时间点数据间的对齐，生成校准完成的数据集；基于所述校准完成的数据集，采用短时傅里叶变换进行时间窗内的频率分析，并使用经验模态分解法分解多维数据，分析其时间频率特性，生成时频分析结果的步骤具体为：基于所述校准完成的数据集，采用短时傅里叶变换，通过汉宁窗函数处理数据，消除边界效应，通过时频域转换技术，将时间序列信号转换为频率域表示，揭示数据随时间变化的频率特性，生成短时傅里叶变换分析结果；基于所述短时傅里叶变换分析结果，采用谐波分析技术，通过频谱峰值检测，识别信号中的关键频率成分，利用幅值－频率映射方法，分析地表变化数据的周期性和波动特征，生成谐波分析结果；基于所述谐波分析结果，采用经验模态分解法，通过Hilbert谱分析和逐层筛选算法，对数据进行逐层细化分解，提取多尺度的本征模态函数，分析地表变化的模式和非线性特性，生成时频分析结果；基于所述时频分析结果，采用非平衡熵分析法分析地表温度数据，计算地质区域温度的熵值，并揭示地质环境的动态变化特征，生成热力学分析结果的步骤具体为：基于所述时频分析结果，采用熵值分析，通过Shannon熵计算方法，量化地表温度变化的不确定性和复杂性，识别地表温度变化的初始模式，生成熵值分析结果；基于所述熵值分析结果，采用时间序列分解，通过适应性滤波技术和局部极值检测，分离和提取地表温度变化的关键特征，并揭示温度变化的趋势和周期性特征，生成分解后的温度序列；基于所述分解后的温度序列，采用基于温度变化的非平衡熵分析，通过计算局部温度熵变，评估温度分布的不均匀性和动态变化，识别热力学平衡点，并分析地表温度的变化规律和热力学特性，生成热力学分析结果；基于所述热力学分析结果，采用Viterbi算法和隐马尔可夫模型，识别地质灾害的潜在序列，结合Baum-Welch算法进行模型参数优化，并预测灾害发展趋势，生成HMM-DA风险评估结果的步骤具体为：基于所述热力学分析结果，采用隐马尔可夫模型，通过对状态转换概率进行估计和状态发射概率的计算，综合参照地质环境的动态变化，估计地质灾害多状态的概率分布，并揭示地质灾害的发展趋势和潜在风险，生成地质灾害发展趋势序列；基于所述地质灾害发展趋势序列，采用Viterbi算法，通过路径概率计算和动态规划技术，预测地质灾害在多种状态下的发展路径，并分析潜在的灾害演变过程，生成Viterbi路径分析结果；基于所述Viterbi路径分析结果，采用Baum-Welch算法，通过迭代参数估计和最大似然估计技术，优化隐马尔可夫模型的参数，并更新状态转换概率，生成HMM-DA风险评估结果；基于所述HMM-DA风险评估结果，采用Kohonen网络，进行数据的无监督分类和模式识别，通过批量训练算法对网络进行训练，生成SOM分析结果的步骤具体为：基于所述HMM-DA风险评估结果，采用主成分分析，通过构建协方差矩阵并应用特征分解算法，进行多维数据的转化，提取和突出关键信息，生成主成分分析处理后的数据集；基于所述主成分分析处理后的数据集，采用Kohonen网络，通过实施邻域函数和学习率调整策略，进行数据的无监督自动分类和模式识别，揭示地质灾害数据的潜在结构和分类，生成Kohonen网络映射结果；基于所述Kohonen网络映射结果，采用批量训练算法，通过批量梯度下降和自适应学习率算法，优化网络权重，对地质灾害数据进行分析和分类，生成SOM分析结果；基于所述SOM分析结果，采用盒维数计算和多分形谱分析方法，揭示地质结构的分形特征及其多尺度异质性，并探究地质结构的复杂性和稳定性，生成分形分析结果的步骤具体为：基于所述SOM分析结果，采用盒维数计算，通过盒子覆盖法和维数估计技术，测量数据集的自相似性，量化地表结构的分形特性，揭示数据集内部的几何构造和空间异质性，生成盒维数计算结果；基于所述盒维数计算结果，采用多分形谱分析，通过广义维数计算和谱分布分析，分析数据集中的分形维数变化，揭示地表结构的复杂性和多尺度上的空间变异性，生成多分形分析结果；基于所述多分形分析结果，采用综合性数据解释和分析方法，通过趋势分析和相关性分析，综合参照地表结构的多维特征，分析其复杂性和不稳定性的根源和表现形式，生成分形分析结果；基于所述分形分析结果、SOM分析结果、HMM-DA风险评估结果、热力学分析结果、时频分析结果和校准完成的数据集，采用加权多标准决策分析，通过综合参照多个评价标准的权重，做出多维的风险评估，并使用文本自动生成技术整合分析结果，生成地质灾害预警综合报告的步骤具体为：基于所述分形分析结果，采用加权多标准决策分析，通过权重分配和综合评分算法，参照多项分析结果的重要性和影响力，对地质灾害风险进行初步评估，并揭示多种因素对灾害风险影响的程度，生成多标准决策分析结果；基于所述多标准决策分析结果，结合SOM分析结果、HMM-DA风险评估结果、热力学分析结果、时频分析结果，采用数据融合与风险评估方法，通过数据整合和风险建模技术，对内容进行综合性融合，并评估地质灾害的整体风险，生成综合性风险评估结果；基于所述综合性风险评估结果和校准完成的数据集，采用文本自动生成技术，通过自然语言处理和报告模板生成技术，将分析数据和评估结果转化为结构化的地质灾害风险预警报告，生成地质灾害预警综合报告。

全文数据：

权利要求：

百度查询： 山东元鸿勘测规划设计有限公司 基于遥感监测的地质灾害预警方法

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