[發明專利]一種輸電通道地質形變監測方法和裝置

有效

• 申請號: 202310572913.X
• 申請日: 2023-05-22
• 公開（公告）號: CN116299466B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 杜偉;楊國柱;胡偉;韋恩惠;趙邦博;高超;孫鴻博;馬春田;李致東;李俊磊;程海濤;趙亞杰;孫詩睿
• 申請（專利權）人: 國網電力空間技術有限公司
• 主分類號: G01S13/90
• 分類號: G01S13/90;G01S13/86;G01S17/86;G01S7/41;G01S7/48;G01S19/37;G01B11/16;G01B15/06
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 安衛靜

1.一種輸電通道地質形變監測方法，其特征在于，包括：

獲取待監測輸電通道的目標數據，其中，所述目標數據包括：SAR影像數據，機載LiDAR數據和北斗觀測數據；

對所述目標數據進行沉降時序解算，得到形變數據，其中，所述形變數據包括：InSAR形變數據，機載LiDAR形變數據和北斗形變數據；

利用所述機載LiDAR形變數據和神經網絡模型，對所述InSAR形變數據進行校正，得到校正后的InSAR形變數據；

基于所述校正后的InSAR形變數據和所述北斗形變數據，確定出所述待監測輸電通道的地質形變監測結果；

其中，利用所述機載LiDAR形變數據和神經網絡模型，對所述InSAR形變數據進行校正，得到校正后的InSAR形變數據，包括：

確定出所述機載LiDAR形變數據和所述InSAR形變數據之間的同名點；

利用所述同名點對應的機載LiDAR形變數據和所述同名點對應的InSAR形變數據，對所述神經網絡模型進行訓練，得到訓練后的神經網絡模型；

利用所述訓練后的神經網絡模型，對所述InSAR形變數據中除所述同名點對應的InSAR形變數據以外的InSAR形變數據進行校正，得到所述校正后的InSAR形變數據。

2.根據權利要求1所述的方法，其特征在于，確定出所述機載LiDAR形變數據和所述InSAR形變數據之間的同名點，包括：

基于所述機載LiDAR形變數據，利用近鄰距離加權算法對所述InSAR形變數據進行同名點提取，得到所述機載LiDAR形變數據和所述InSAR形變數據之間的同名點，其中，所述近鄰距離加權算法的表達式為，其中，為所述InSAR形變數據中點的觀測值，為所述同名點的SAR估計值，為所述同名點到周圍點的距離。

3.根據權利要求1所述的方法，其特征在于，

所述神經網絡模型包括：輸入層、隱含層和輸出層，其中，所述輸入層的變量為，為所述輸入層中的神經元的數量，所述隱含層的變量為，為所述隱含層中神經元的數量，所述輸出層的變量為，為所述輸出層中神經元的數量；

所述神經網絡模型的表達式為，其中，為所述輸入層中神經元與所述隱含層中神經元之間的連接權值，為所述隱含層中神經元與所述輸出層中神經元之間的連接權值，和為激活函數，和為相應的偏置變量。

4.根據權利要求1所述的方法，其特征在于，基于所述校正后的InSAR形變數據和所述北斗形變數據，確定出所述待監測輸電通道的地質形變監測結果，包括：

利用克里金插值算法對所述北斗形變數據進行內插處理，得到插值后的北斗形變數據；

對所述校正后的InSAR形變數據和所述插值后的北斗形變數據進行融合計算，得到所述待監測輸電通道的地質形變監測結果。

5.根據權利要求4所述的方法，其特征在于，對所述校正后的InSAR形變數據和所述插值后的北斗形變數據進行融合計算，得到所述待監測輸電通道的地質形變監測結果，包括：

構建觀測方程，其中，所述觀測方程為，為地表變形向量，為待估參數向量，為觀測矩陣，為監測數據噪聲；

利用最小二乘法對所述觀測方程進行最優估計，得到最優估計表達式，其中，所述最優估計表達式為，其中，為殘差，為加權權陣；

基于所述校正后的InSAR形變數據和所述插值后的北斗形變數據，計算的一階偏導等于0時的最優估計值，并將所述最優估計值確定為所述待監測輸電通道的地質形變監測結果。