[發(fā)明專利]一種基于多源數(shù)據(jù)集成的高鐵沉降危害性評(píng)估方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010640352.9
• 申請(qǐng)日: 2020-07-06
• 公開(kāi)（公告）號(hào): CN111798135B
• 公開(kāi)（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 段光耀;劉歡歡;汪東川;易正暉;葛亮;喬一格;王曉賀;李沛航;白曉潔
• 申請(qǐng)（專利權(quán)）人: 天津城建大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06K9/62;G06V10/88;G06F17/11;G06F17/15
• 代理公司: 天津企興智財(cái)知識(shí)產(chǎn)權(quán)代理有限公司 12226
• 代理人: 趙雪紅

1.一種基于多源數(shù)據(jù)集成的高鐵沉降危害性評(píng)估方法，其特征在于，包括以下步驟：

S1、利用InSAR技術(shù)采集地面形變數(shù)據(jù)，包括采集InSAR影像數(shù)據(jù)、光學(xué)遙感影像數(shù)據(jù)、水文地質(zhì)資料數(shù)據(jù)、二級(jí)水準(zhǔn)測(cè)量數(shù)據(jù)；

S2、對(duì)步驟S1中采集的數(shù)據(jù)進(jìn)行預(yù)處理；

S3、采用PS-InSAR和SBAS-InSAR兩種時(shí)序InSAR技術(shù)分析提取地面形變結(jié)果；

S4、針對(duì)高鐵線路背景區(qū)域沉降分離；

S5、對(duì)影響地面形變的危害因子采用MIC算法賦權(quán)重；

S6、地面沉降危害性評(píng)估；

所述步驟S3中，針對(duì)有大量為穩(wěn)定散射體的高鐵沿線的處理方法為：進(jìn)行PS-InSAR流程處理，在多時(shí)序SAR影像中選取時(shí)間空間基線小的影像為主影像，通過(guò)相干系數(shù)閾值和振幅離差閾值兩種方法對(duì)影像進(jìn)行選點(diǎn)處理，選取穩(wěn)定的PS點(diǎn)；

針對(duì)有大量荒地或逐步建成的區(qū)域的處理方法為：進(jìn)行SBAS-InSAR流程處理，除去必要的去噪之外，不必進(jìn)行主影像選取，在影像基線優(yōu)化處理時(shí)，引入最小二乘法優(yōu)化干涉對(duì)組，在保障影像處理質(zhì)量的同時(shí)，減少冗余干涉對(duì)，減輕計(jì)算負(fù)擔(dān)；

進(jìn)行PS-InSAR流程處理的具體方法如下：

將InSAR影像數(shù)據(jù)進(jìn)行PS-InSAR處理，需要在N+1景影像中選取1景主影像m，其余N景InSAR影像將與主影像匹配，生成N幅干涉圖，基于PS處理流程的特殊性，一般要求N≧20，且主影像的時(shí)間空間基線在N+1景影像中最小，在選取主影像時(shí)，要建立相關(guān)函數(shù)模型：

上述公式(1)、(2)中，是SAR影像N和M的空間基線，T^n,m為影像的時(shí)間基線，為多普勒基線，B_c，T_c，和f_c為臨界基線，γ^mmax的SAR影像為主影像，則由式(1)可知，當(dāng)空間基線和時(shí)間基線值最小時(shí)，γ^m值最大，因此主影像的時(shí)間空間基線應(yīng)是多景SAR影像中最小的；

對(duì)于地形相位和平地相位，PS-InSAR流程中是采取加入DEM來(lái)減少影響，在干涉相位有5部分組成，在DEM校正中上述兩種相位將被去除，其中高程上由于DEM選用的精度會(huì)存在誤差，因此對(duì)于干涉圖N的像元，其相位為：

式(3)中，為參考DEM校正中由于DEM精度引起的殘余地形相位，為大氣相位，為形變相位，為噪聲，由式(3)可知，DEM精度越高則殘余地形相位會(huì)偏小，則有：

將(4)，(5)中的帶入(3)可知：

對(duì)于(6)中的大氣相位和噪聲非線性相位，在覆蓋大量混凝土的城市、道路或高速鐵路穩(wěn)定地表的區(qū)域，二者的影像可視為線性形變；

經(jīng)過(guò)上述步驟，會(huì)產(chǎn)生永久散射點(diǎn)即PS點(diǎn)，除了有形變信息的PS點(diǎn)外，還有許多對(duì)形變觀測(cè)無(wú)用的點(diǎn)，所以需對(duì)PS點(diǎn)進(jìn)行篩選；在本步驟中采取相干系數(shù)閾值法和振幅離差閾值法對(duì)PS點(diǎn)進(jìn)行篩選，選取相干性高的PS點(diǎn)作為PS點(diǎn)，其中相干系數(shù)閾值法以一個(gè)局部矩陣進(jìn)行像元的相干性計(jì)算，具體為：

式(7)中，γ是相干系數(shù)，M，S是兩景SAR影像，m，n是局部矩陣的行列數(shù)，γ計(jì)算結(jié)果值為(0,1)，相干系數(shù)閾值是在進(jìn)行運(yùn)算之前給定閾值，大于閾值選為PS點(diǎn)，且相干系數(shù)值越接近于1表示其相干性越強(qiáng)；

相反的，振幅離差閾值是針對(duì)影像的單個(gè)像元，給定一個(gè)閾值范圍，以像元振幅的穩(wěn)定性來(lái)選取PS點(diǎn)，具體表現(xiàn)：

式(8)中，σ_φ和D_A表示相位標(biāo)準(zhǔn)差和振幅離差指數(shù)，μ_A為均值振幅，σ_A是振幅標(biāo)準(zhǔn)差，σ_nR為噪聲實(shí)部標(biāo)準(zhǔn)差，σ_nl為噪聲虛部標(biāo)準(zhǔn)差；

進(jìn)行選點(diǎn)之后就可以進(jìn)行解算，其中包括去除大氣延遲、軌道誤差，然后進(jìn)行線性形變估算，最終得到PS點(diǎn)的形變速率，對(duì)其進(jìn)行地理編碼即可得到形變結(jié)果；

進(jìn)行SBAS-InSAR流程處理的具體方法如下：

不同于PS-InSAR流程處理，SBAS-InSAR流程處理無(wú)需對(duì)N景SAR影像選取主影像，在用于生成干涉圖的SAR影像時(shí)選取時(shí)間空間基線較小的SAR影像形成干涉組對(duì)，以減少失相干對(duì)結(jié)果的影響，N景SAR影像生成M幅干涉圖，干涉圖的相位表示：

式(9)中，x,r是干涉圖坐標(biāo)，t_A,t_B為生成干涉圖的兩景影像的獲取時(shí)間，若t_At_B，式(9)中第一項(xiàng)即為形變相位，式中的d(t_B,x,r),d(t_A,x,r)為t_A,t_B時(shí)刻(x,r)相對(duì)于t0時(shí)刻視線方向的累積形變量；第二項(xiàng)即為殘余高程相位；第三項(xiàng)為大氣延遲相位；余式為噪聲相位；若假設(shè)M景主影像和從影像的獲取時(shí)間以序列IE＝[IE₁...IE_M]與IS＝[IS₁...IS_M],若對(duì)M幅干涉圖先不考慮大氣延遲，只求解高程誤差和形變量，則：

且將形變相位轉(zhuǎn)化為平均相位速度矢量[v]^T：

若速度矢量是線性變換的，即v＝Mp，則有矩陣方程：

DMp+CΔz＝Δφ (12)

式(12)中D是M×(N-1)的矩陣，p為速度模型的參數(shù)矢量，則參數(shù)個(gè)數(shù)i應(yīng)小于等于(N-1)，M為(N-1)×i的矩陣；Δz為高程相位誤差；對(duì)于式(12)采用最小二乘法求解，可得到形變相位和高程誤差相位，并可以去除相位圖中高程相位誤差，則矩陣方程可修改為：

Dv+CΔz＝Δφ (13)

在SBAS處理中，由于考慮到空間失相干的問(wèn)題，將影像分成若干基線對(duì)，導(dǎo)致式(13)中的D為秩虧矩陣，若基線對(duì)為L(zhǎng)(L1)，則D的秩為N-L，使用SVD法對(duì)式(13)求解，對(duì)得到的速度矢量積分即可獲得形變相位序列，需要注意的是此時(shí)結(jié)果中還有大氣相位，采取高通濾波去除大氣相位，得到研究區(qū)的形變序列,即研究區(qū)的地面形變信息；

所述步驟S4的具體方法如下：

S401、對(duì)步驟S3中采集的地面形變數(shù)據(jù)結(jié)果進(jìn)行校準(zhǔn)，針對(duì)高速鐵路采用PS-InSAR流程處理，將結(jié)果與二等水準(zhǔn)測(cè)量數(shù)據(jù)進(jìn)行校正；

S402、對(duì)形變區(qū)域進(jìn)行高頻低頻濾波的小波變換分析，用于反映出沉降區(qū)域的細(xì)節(jié)部分與趨勢(shì)部分的差異；

其中，通過(guò)高頻濾波組的用于表達(dá)高鐵線路及周圍沉降區(qū)域細(xì)節(jié)性的信息；通過(guò)低頻濾波的用于反映整區(qū)域趨勢(shì)性相關(guān)信息；

所述步驟S402中，小波變換分析的具體方法如下：

利用小波變換完成一次變換，將影像數(shù)據(jù)分成高頻圖組與低頻圖組，其中高頻組會(huì)更好的反映銳化的部分；

對(duì)于一維的信號(hào)：

定義

其逆變換為：

上式中Ψ為傅里葉變換，C_Ψ取值為：

對(duì)于柵格影像的二維的小波變換，有一個(gè)前提條件是尺度可分離的，即信號(hào)函數(shù)Φ(x,y)＝Φ(x)Φ(y),其中Φ(x)Φ(y)分別對(duì)應(yīng)的小波函數(shù)為Ψ(x)Ψ(y)其創(chuàng)立二維小波變換的三個(gè)基本小波可表達(dá)為：

ψ¹(x,y)＝φ(x)ψ(y),ψ²(x,y)＝φ(y)ψ(x),ψ³(x,y)＝ψ(x)ψ(y) (16)

式中構(gòu)建的二維平方可積函數(shù)空間L²(R²)的正交歸一，既有：

j≧0,l＝1,2,3,...且j,l,m,n均為整數(shù)；

對(duì)于一幅N×N的二維柵格影像f(x,y)開(kāi)始，其中上標(biāo)尺度N，N＝2n，對(duì)于j＝0，尺度2^j＝2⁰＝1，為源影像尺度；j每增大一次使尺度加倍，分辨率減半，影像分為三個(gè)高頻組，一個(gè)低頻組，低頻組中包括大部分能量，還需進(jìn)行分離，高頻組則更好的反映銳化凸顯線條的影像；對(duì)于第一個(gè)層次(j＝1)，則有：

通過(guò)小波變換分解后重構(gòu)，將InSAR影響處理結(jié)果中有關(guān)高速鐵路的部分提取出來(lái)，高頻組中將高鐵及沿線研究區(qū)的信息更加突出的表現(xiàn)；

所述步驟S5的具體方法如下：

S501、針對(duì)步驟S1中采集的數(shù)據(jù)，選擇影響高鐵行車地面形變的危害因子，包括地下水位、土壤壓縮模量、交通流量、壓縮層厚度；

S502、利用GIS軟件工具，將數(shù)據(jù)進(jìn)行統(tǒng)一的柵格化處理，對(duì)于數(shù)據(jù)點(diǎn)，首選克里金插值法進(jìn)行插值，對(duì)于遙感地面沉降數(shù)據(jù)、光學(xué)遙感數(shù)據(jù)柵格數(shù)據(jù)，直接針對(duì)柵格灰度值進(jìn)行柵格計(jì)算；

S503、將危害因子統(tǒng)一轉(zhuǎn)為柵格數(shù)據(jù)后，根據(jù)MIC算法，對(duì)柵格灰度值之間進(jìn)行計(jì)算，從而完成危害因子賦權(quán)重；

所述步驟S6的具體方法如下：

S601、基于步驟S5中得到的賦權(quán)重的危害因子與地面沉降圖并結(jié)合隨機(jī)森林算法建立決策樹(shù)，并且將處理后的光學(xué)遙感影像數(shù)據(jù)進(jìn)行分類，用以對(duì)高速鐵路沿線不同地段的危害性進(jìn)行評(píng)估；

S602、結(jié)合Boruta算法輔助修改各級(jí)決策樹(shù)，Boruta算法通過(guò)對(duì)決策樹(shù)建立副本并對(duì)比新建隨機(jī)副本與原始變量的重要性對(duì)決策樹(shù)進(jìn)行修改，用于對(duì)高鐵沿線行車安全地段進(jìn)行提取標(biāo)記，此方法可對(duì)賦值的柵格影像進(jìn)行計(jì)算，根據(jù)權(quán)重提取特征地段，實(shí)現(xiàn)了對(duì)高鐵沿線沉降危害性的分區(qū)與評(píng)估；

在執(zhí)行步驟S601前，在建立決策樹(shù)前，需對(duì)影像建立訓(xùn)練樣本，通過(guò)構(gòu)建訓(xùn)練樣本以確定特征屬性和目標(biāo)變量的關(guān)系；采用CART算法構(gòu)建決策樹(shù)訓(xùn)練樣本，CART算法通過(guò)基尼系數(shù)確定屬性節(jié)點(diǎn)分割屬性，其中選取屬性基尼系數(shù)最小的進(jìn)行二分化，最后構(gòu)建一個(gè)二叉樹(shù)的決策樹(shù)：對(duì)于一個(gè)柵格數(shù)據(jù)集D，它的基尼系數(shù)為：

式中p_i是數(shù)據(jù)集D中任意數(shù)據(jù)被抽取成為訓(xùn)練樣本的概率，對(duì)生成的二分?jǐn)?shù)據(jù)集進(jìn)行二分則有：

式中D₁，D₂為二分后的兩個(gè)數(shù)據(jù)集，D₁為可進(jìn)行二分的子數(shù)據(jù)集，并對(duì)D₁進(jìn)行式(22)的計(jì)算再進(jìn)行二分，并在節(jié)點(diǎn)處形成訓(xùn)練規(guī)則，直到所有二分子集都符合節(jié)點(diǎn)的規(guī)則時(shí)，結(jié)束算法，若有不符合的，可對(duì)其再次進(jìn)行式(22)的計(jì)算，直到結(jié)束算法。

2.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)集成的高鐵沉降危害性評(píng)估方法，其特征在于：所述步驟S2中，對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理的方法包括：

對(duì)光學(xué)遙感影像數(shù)據(jù)的輻射定標(biāo)、大氣校正、幾何校正；

對(duì)水文地質(zhì)資料數(shù)據(jù)的插值化、矢量化柵格化處理；

對(duì)InSAR影像數(shù)據(jù)的去噪、多視、選取主影像。