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：中南大学

摘要：本发明提供了一种基于时空序列预测的异常探测方法及相关设备，根据目标区域的InSAR地表形变监测数据，生成目标区域的时空序列数据；将时空序列数据输入训练后的局域加权长短期记忆网络进行当前时刻和未来时刻的时空预测，得到当前时刻的时空预测结果和未来时刻的时空预测结果；利用当前时刻的时空预测结果和未来时刻的时空预测结果计算得到当前时刻的预测误差集和未来时刻的预测误差集，并将当前时刻的预测误差集和未来时刻的预测误差集分别作为时空异常度量的分析对象，通过拉依达准则度量目标区域在当前时刻和未来时刻的时空异常，得到目标区域在当前时刻的时空异常结果以及在未来时刻的时空异常结果；提高了时空异常探测的准确度。

主权项：1.一种基于时空序列预测的异常探测方法，其特征在于，包括：步骤1，根据目标区域的InSAR地表形变监测数据，生成所述目标区域的时空序列数据；步骤2，将所述时空序列数据输入训练后的局域加权长短期记忆网络进行当前时刻和未来时刻的时空预测，得到当前时刻的时空预测结果和未来时刻的时空预测结果；所述步骤2包括：将预处理后的时空序列数据进行标准化，得到标准化处理后的时空序列数据；在所述局域加权长短期记忆网络的输入层中采用自然断点和边长约束对所述目标区域进行空间分区，得到多个同质子区域；根据标准化处理后的时空序列数据，采用自然断点法将目标区域划分为若干个区划单元；对于每个所述区划单元，采用Delaunay边长约束方法，将所述区划单元中相邻站点之间连接的边中距离大于预设值的边进行打断，将所述区划单元划分为若干个与站点的空间位置临近的同质子区域；在所述局域加权长短期记忆网路的局域加权模块中，利用所述标准化处理后的时空序列数据和地理加权回归机制对每个所述同质子区域进行空间建模，得到每个所述同质子区域的局域时空特征矩阵，所述局域时空特征矩阵用于表征每个所述同质子区域的空间特征和时间特征；在所述局域加权长短期记忆网络的隐含层中，针对每个所述同质子区域并行建立多个长短期记忆网络，所述长短期记忆网络与所述同质子区域一一对应，将每个所述同质子区域中的局域时空特征矩阵输入对应的长短期记忆网络进行时空序列预测，得到每个所述同质子区域的时空序列模式；在所述局域加权长短期记忆网络的输出层中，将每个所述同质子区域的时空序列模式进行合并，得到当前时刻的时空预测结果和未来时刻的时空预测结果；步骤3，利用所述当前时刻的时空预测结果和所述未来时刻的时空预测结果计算得到当前时刻的预测误差集和未来时刻的预测误差集，并将当前时刻的预测误差集和未来时刻的预测误差集分别作为时空异常度量的分析对象，通过拉依达准则度量所述目标区域在当前时刻和未来时刻的时空异常，得到所述目标区域在当前时刻的时空异常结果以及在未来时刻的时空异常结果；利用所述当前时刻的时空预测结果和所述未来时刻的时空预测结果计算得到当前时刻的预测误差集和未来时刻的预测误差集，包括：利用所述InSAR地表形变监测数据、所述当前时刻的时空预测结果和所述未来时刻的时空预测结果计算当前时刻的预测误差集和未来时刻的预测误差集，计算表达式为： ；其中，表示当前时刻的预测误差集，表示未来时刻的预测误差集，表示当前时刻的时空预测结果，表示未来时刻的时空预测结果，表示InSAR地表形变监测数据，，表示第个站点的InSAR地表形变监测数据；步骤4，基于所述目标区域在当前时刻的时空异常结果以及在未来时刻的时空异常结果，通过基于密度的聚类方法生长高密度区域对所述目标区域分别进行当前时刻的异常分类和未来时刻的异常分类，将所述高密度区域划分为聚类簇作为所述异常探测结果中的异常簇，所述异常探测结果中的噪声作为异常点，得到所述目标区域在当前时刻的异常簇和异常点以及在未来时刻的异常簇和异常点；所述局域加权长短期记忆网络包括依次连接的输入层、局域加权模块、隐含层和输出层，所述输入层用于对所述目标区域进行空间分区，所述局域加权模块用于对空间分区后的目标区域进行空间建模，所述隐含层用于对所述局域加权模块输出的数据进行时空序列预测，所述输出层用于输出时空预测结果。

全文数据：

权利要求：

百度查询： 中南大学 一种基于时空序列预测的异常探测方法及相关设备