[发明专利]一种文物位移预测方法及装置

说明书

本发明公开了一种文物位移预测方法及装置，属于图像处理技术领域。用以解决现有的文物位移预测存在可靠性差，且预测精度弱的问题。包括：对采集的文物位移时间序列进行滤波处理，通过滤波处理，确定位移时间序列的初始数值序列；从初始数值序列中按照顺序依次获取相邻的至少N个数值，将N个数值按照顺序至少分为三组序列，且每组序列内至少包括相邻且不相同的N‑2个数值，将三组序列通过等维递补滚动预测方法依次确定位移时间序列的初步预测序列向量；通过归一化公式对初步预测序列向量进行处理，确定归一化初步预测序列向量；通过归一化初步预测序列向量和RBF神经网络，确定位移时间序列对应的位移预测向量。

技术领域

本发明属于图像处理技术领域，更具体的涉及一种文物位移预测方法及装 置。

背景技术

位移是石质文物非常严重的病害。当今世界，文化遗产保护模式过渡从抢 救式到预防性保护保护逐渐。所以，文物保护工作者需要对文物病害的发展及 时掌握，因此，预测工作必不可少。但位移的发展是一个非常复杂的动态过程。

由于造成流离失所的文物的因素有很多，所以文物的位移数据具有非线性、 复杂性和多式联运等特点，从而造成上述数据在位移预测中有许多困难。比如， 若位移变形估计不足，轻则出现裂缝影响文物观瞻性和稳定性，重则会引发结构 坍塌和严重人员伤亡事故。目前，针对文物预测位移变形的方法主要包括模型方 法和智能分析方法，其中，模型方法主要是分析岩石和土壤之间的应力，从而建 立位移和时间的关系，由于建立模型的方法采用有限元理论，从而导致在预测稳 定性和精度方面都有很大限制；智能方向方法中，主要是利用人工神经网络、小 波分析等方法对文物位移预测进行研究，从现有模型对文物位移的预测情况可以 确定，上述预测模型大多数只适合中短期预测，而中长期的预测过程中，存在预 测长度和预测精度都比较弱的问题。

综上所述，现有的文物位移预测存在可靠性差，且预测精度弱的问题。

发明内容

本发明实施例提供一种文物位移预测方法及装置，用以解决现有的文物位移 预测存在可靠性差，且预测精度弱的问题。

本发明实施例提供一种文物位移预测方法，包括：

对采集的文物位移时间序列进行滤波处理，通过所述滤波处理，确定所述位 移时间序列的初始数值序列；

从所述初始数值序列中按照顺序依次获取相邻的至少N个数值，将所述N 个数值按照顺序至少分为三组序列，且每组序列内至少包括相邻且不相同的N-2 个数值，将所述三组序列通过等维递补滚动预测方法依次确定所述位移时间序列 的初步预测序列向量；

通过归一化公式对所述初步预测序列向量进行处理，确定归一化初步预测序 列向量；

通过所述归一化初步预测序列向量和RBF神经网络，确定所述位移时间序 列对应的位移预测向量。

本发明实施例还提供一种文物位移预测装置，包括：

第一确定单元，用于对采集的文物位移时间序列进行滤波处理，通过所述滤 波处理，确定所述位移时间序列的初始数值序列；

第二确定单元，用于从所述初始数值序列中按照顺序依次获取相邻的至少N 个数值，将所述N个数值按照顺序至少分为三组序列，且每组序列内至少包括相 邻且不相同的N-2个数值，将所述三组序列通过等维递补滚动预测方法依次确定 所述位移时间序列的初步预测序列向量；

第三确定单元，用于通过归一化公式对所述初步预测序列向量进行处理，确 定归一化初步预测序列向量；

第四确定单元，用于通过所述归一化初步预测序列向量和RBF神经网络， 确定所述位移时间序列对应的位移预测向量。