欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022111720655
申请人: 成都理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于InSAR近实时监测的滑坡失稳时间概率预测方法,其特征在于,所述方法包括:获取高精度滑坡变形信息,所述高精度滑坡变形信息至少包括:位移和变形速度;

确定典型监测点;

对典型监测点的在各个观测时间节点的变形速度进行处理,确定滑坡加速阶段的起点时间节点;

基于逆速度模型,以及所述典型监测点在起点时间节点之后的各个观测时间节点的变形速度,通过贝叶斯理论得到滑坡失稳时间的后验分布;

根据滑坡失稳时间的后验分布,预测在90%置信区间下的滑坡失稳时间窗口;

其中,基于逆速度模型,以及所述典型监测点在起点时间节点之后的各个观测时间节点的变形速度,通过贝叶斯理论得到滑坡失稳时间的后验分布,包括:确定逆速度模型,所述逆速度模型由下式表示:

其中,R表示某时间段内的速度倒数;v表示某时间段内的平均速度;tc表示预测滑坡失稳时间;t表示某一观测时刻;A表示材料的蠕变加速相关的常数;εm表示模型误差,服从均值μm=0,标准差为σm的正态分布,即εm~N(0,σm);模型误差εm的标准差σm服从σm~U(0,5);

利用逆速度模型的预测值与观测值之间的关系建立似然函数,具体如下:其中, 表示正态分布的概率密度函数;θ={A,tc,σm};D={d1,d2,...,di},di表示ti(i=1,2,...,n)观测时间节点观测到的变形速度的倒数;

通过贝叶斯理论,得到各随机变量的后验分布:

fpost(θ|D)∝l(θ|D)fprior(θ);

采用蒙特卡洛马尔科夫链抽样技术对θ的后验分布进行求解,得到滑坡失稳时间的后验分布。

2.根据权利要求1所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法,其特征在于,对典型监测点的在各个观测时间节点的变形速度进行处理,确定滑坡加速阶段的起点时间节点,包括:通过短期移动平均法和长期移动平均法,对典型监测点的在各个观测时间节点的变形速度进行处理,具体计算公式如下:其中: 表示处理后t时刻的速度;vt表示处理前t时刻的速度;短期移动平均n=3;长期移动平均n=7;

根据处理后的变形速度数据,判断滑坡是否进入加速阶段,具体判断方式如下:其中, 表示通过短期移动平均法处理后t时刻的速度; 表示通过长期移动平均法处理后t时刻的速度;

若经判断,滑坡进入加速阶段,则将 的前一个观测时间节点作为滑坡加速阶段的起点时间节点。

3.根据权利要求1‑2任一项所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法,其特征在于,所述方法还包括:根据预测滑坡失稳时间的后验分布的累积分布函数,确定预设数量个概率区间以及对应的预警等级;

根据所述预警等级输出滑坡预警信息。

4.根据权利要求3所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法,其特征在于,所述获取高精度滑坡变形信息,包括:通过StaMPS‑SABS技术对滑坡的变形情况进行监测,得到高精度滑坡变形信息。

5.一种基于InSAR近实时监测的滑坡失稳时间概率预测装置,其特征在于,所述装置包括:变形信息获取模块,用于获取高精度滑坡变形信息,所述高精度滑坡变形信息至少包括:位移和变形速度;

典型监测点确定模块,用于确定典型监测点;

起点时间节点确定模块,用于对典型监测点的在各个观测时间节点的变形速度进行处理,确定滑坡加速阶段的起点时间节点;

处理模块,用于基于逆速度模型,以及所述典型监测点在起点时间节点之后的各个观测时间节点的变形速度,通过贝叶斯理论得到滑坡失稳时间的后验分布;

预测模块,用于根据滑坡失稳时间的后验分布,预测在90%置信区间下的滑坡失稳时间窗口;

其中,所述处理模块,具体用于:

确定逆速度模型,所述逆速度模型由下式表示:

其中,R表示某时间段内的速度倒数;v表示某时间段内的平均速度;tc表示预测滑坡失稳时间;t表示某一观测时刻;A表示材料的蠕变加速相关的常数;εm表示模型误差,服从均值μm=0,标准差为σm的正态分布,即εm~N(0,σm);模型误差εm的标准差σm服从σm~U(0,5);

利用逆速度模型的预测值与观测值之间的关系建立似然函数,具体如下:其中, 表示正态分布的概率密度函数;θ={A,tc,σm};D={d1,d2,...,di},di表示ti(i=1,2,...,n)观测时间节点观测到的变形速度的倒数;

通过贝叶斯理论,得到各随机变量的后验分布:

fpost(θ|D)∝l(θ|D)fprior(θ);

采用蒙特卡洛马尔科夫链抽样技术对θ的后验分布进行求解,得到滑坡失稳时间的后验分布。

6.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1‑4任一项所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法。

7.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1‑4任一项所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法。