[发明专利]一种输电通道地质形变监测方法和装置

权利要求书

1.一种输电通道地质形变监测方法，其特征在于，包括：

获取待监测输电通道的目标数据，其中，所述目标数据包括：SAR影像数据，机载LiDAR数据和北斗观测数据；

对所述目标数据进行沉降时序解算，得到形变数据，其中，所述形变数据包括：InSAR形变数据，机载LiDAR形变数据和北斗形变数据；

利用所述机载LiDAR形变数据和神经网络模型，对所述InSAR形变数据进行校正，得到校正后的InSAR形变数据；

基于所述校正后的InSAR形变数据和所述北斗形变数据，确定出所述待监测输电通道的地质形变监测结果；

其中，利用所述机载LiDAR形变数据和神经网络模型，对所述InSAR形变数据进行校正，得到校正后的InSAR形变数据，包括：

确定出所述机载LiDAR形变数据和所述InSAR形变数据之间的同名点；

利用所述同名点对应的机载LiDAR形变数据和所述同名点对应的InSAR形变数据，对所述神经网络模型进行训练，得到训练后的神经网络模型；

利用所述训练后的神经网络模型，对所述InSAR形变数据中除所述同名点对应的InSAR形变数据以外的InSAR形变数据进行校正，得到所述校正后的InSAR形变数据。

2.根据权利要求1所述的方法，其特征在于，确定出所述机载LiDAR形变数据和所述InSAR形变数据之间的同名点，包括：

基于所述机载LiDAR形变数据，利用近邻距离加权算法对所述InSAR形变数据进行同名点提取，得到所述机载LiDAR形变数据和所述InSAR形变数据之间的同名点，其中，所述近邻距离加权算法的表达式为，其中，为所述InSAR形变数据中点的观测值，为所述同名点的SAR估计值，为所述同名点到周围点的距离。

3.根据权利要求1所述的方法，其特征在于，

所述神经网络模型包括：输入层、隐含层和输出层，其中，所述输入层的变量为，为所述输入层中的神经元的数量，所述隐含层的变量为，为所述隐含层中神经元的数量，所述输出层的变量为，为所述输出层中神经元的数量；

所述神经网络模型的表达式为，其中，为所述输入层中神经元与所述隐含层中神经元之间的连接权值，为所述隐含层中神经元与所述输出层中神经元之间的连接权值，和为激活函数，和为相应的偏置变量。

4.根据权利要求1所述的方法，其特征在于，基于所述校正后的InSAR形变数据和所述北斗形变数据，确定出所述待监测输电通道的地质形变监测结果，包括：

利用克里金插值算法对所述北斗形变数据进行内插处理，得到插值后的北斗形变数据；

对所述校正后的InSAR形变数据和所述插值后的北斗形变数据进行融合计算，得到所述待监测输电通道的地质形变监测结果。

5.根据权利要求4所述的方法，其特征在于，对所述校正后的InSAR形变数据和所述插值后的北斗形变数据进行融合计算，得到所述待监测输电通道的地质形变监测结果，包括：

构建观测方程，其中，所述观测方程为，为地表变形向量，为待估参数向量，为观测矩阵，为监测数据噪声；

利用最小二乘法对所述观测方程进行最优估计，得到最优估计表达式，其中，所述最优估计表达式为，其中，为残差，为加权权阵；

基于所述校正后的InSAR形变数据和所述插值后的北斗形变数据，计算的一阶偏导等于0时的最优估计值，并将所述最优估计值确定为所述待监测输电通道的地质形变监测结果。