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：中国科学院精密测量科学与技术创新研究院
摘要：本发明公开了一种基于深度学习和InSAR的地表形变时空预测方法，将研究区中监测点的InSAR形变时序图像数据处理为训练样本，然后将训练样本输入到时空预测模型中，时空预测模型包括N个ConvLSTM层、N个批量归一化层、以及一个Conv3D层，并采用Adam优化器、R2损失函数、以及RMSE损失函数对时空预测模型进行优化；本发明的方法中的时空预测模型能同时处理图像的时间和空间特征，进行地表形变在时间与空间两个维度变化的预测，广泛且灵活运用于多种时空变形区域的预测工作，弥补了InSAR技术在形变时空预测研究方面的不足；相比传统的BP、RNN等预测模型，计算效率更高，预测精度更高，预测效果更好。
主权项：1.一种基于深度学习和InSAR的地表形变时空预测方法，其特征在于，包括以下步骤：步骤1、获取研究区中n个监测点的InSAR形变时序图像数据，并对n个监测点的InSAR形变时序图像数据进行预处理，得到n个形变等时间间隔图像数据；步骤2、对n个形变等时间间隔图像数据进行归一化，并将n个归一化后的形变等时间间隔图像数据分别制作为训练样本，训练样本包括输入样本和对应的真实标签，最后将n个训练样本划分为训练数据集和测试数据集，再将训练数据集划分为训练集和验证集；步骤3、构建时空预测模型；步骤4、将训练集中的输入样本输入到步骤3的时空预测模型中对时空预测模型进行迭代训练，再将验证集中的输入样本输入到迭代训练后的时空预测模型中得到验证集预测结果，最后根据验证集预测结果判断是否需要对时空预测模型进行优化；步骤5、将预测数据集输入到步骤4中得到的时空预测模型中进行预测，得到预测数据集的预测结果。
全文数据：
权利要求：
百度查询： 中国科学院精密测量科学与技术创新研究院 一种基于深度学习和InSAR的地表形变时空预测方法
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