龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
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;国家电网有限公司
摘要：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，属于雷达遥感以及图像处理技术领域。解决了传统输电通道地表形变预测方法对时间序列形变特征提取能力较差、且不易捕捉到时间步长与时间序列变形之间复杂的非线性关系使得预测准确性差的问题。在模型设计阶段充分利用地表形变数据、日均降水、日均地表温度、植被覆盖度、DEM、坡度和岩性多源数据进行综合建模，全面考虑了影响输电通道地表形变的多种因素，提高对时间序列形变特征提取能力。训练阶段使用在预设时段内按预设时间间隔采集的具有时间关联的数据来对模型进行训练，提高了预测时间步长与时间序列变形之间复杂的非线性关系的精度。主要用于地表形变预测。
主权项：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：在预设时段内采集各待监测区域的输电通道，在各采样日期下的一张包含输电杆塔的SAR图像，以及日均地表温度数据、日均降水数据、植被覆盖度数据、DEM数据、坡度数据和岩性数据；将采集的所有SAR图像预处理后，使用时序InSAR技术中的小基线集方法对各采样日期下的各预处理后的SAR图像进行处理，得到该各采样日期下的地表形变数据；将该同一待监测区域的输电通道下的第1至第n个采样日期所对应的日均地表温度数据、日均降水数据、植被覆盖度数据、DEM数据、坡度数据和岩性数据作为模型输入数据，将该同一待监测区域的输电通道下的第n+1至第n+m个采样日期下的地表形变数据作为标签，对形变预测模型进行训练，得到训练后的形变预测模型；m和n为整数；第1至第n+m个采样日期在时间上连续；将当前n个连续的采样日期下的日均地表温度数据、日均降水数据、植被覆盖度数据、DEM数据、坡度数据和岩性数据输入至训练后的形变预测模型进行预测，获得未来m个日期下的地表形变数据，完成地表形变预测。
全文数据：
权利要求：
百度查询： 国网黑龙江省电力有限公司电力科学研究院 国家电网有限公司 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
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号