[发明专利]滑坡形变聚集区预测模型生成方法和滑坡形变聚集区预测方法

权利要求书

1.一种滑坡形变聚集区预测模型生成方法，其特征在于，所述方法包括：

获取目标区域的合成孔径雷达干涉测量InSAR历史数据和数字高程模型DEM历史数据；

根据所述InSAR历史数据和所述DEM历史数据，得到所述目标区域的组合影像数据样本集；

根据所述组合影像数据样本集和预设初始深度学习模型，得到所述目标区域的滑坡形变聚集区预测模型；

其中，所述预设初始深度学习模型是Encoder-Decoder模型，包括：编码器Encoder和解码器Decoder，其中，编码器包括一类卷积单元、二类卷积单元和注意力单元，一类卷积单元包括两个卷积组合层和一个池化层，二类卷积单元包括三个卷积组合层和一个上采样层，卷积组合层包括一个卷积层、一个归一化层和一个激活层，注意力单元包括一个全局平均池化层、一个全连接层和两个激活层；

解码器包括两个分支，第一分支接收由编码器输出的第一特征图层，通过一类卷积单元处理后，得到第一特征信息；

第二分支接收由编码器输出的第二特征图层，通过二类卷积单元处理后，得到第二特征信息；将第一特征图层和第二特征图层进行融合后，通过注意力单元处理，得到第三特征图；将第三特征图输入至softmax分类器后，输出掩膜文件。

2.根据权利要求1所述的滑坡形变聚集区预测模型生成方法，其特征在于，所述根据所述InSAR历史数据和所述DEM历史数据，得到所述目标区域的组合影像数据样本集，具体包括：

根据所述InSAR历史数据，得到所述目标区域的地表形变相位历史数据；

根据所述地表形变相位历史数据，得到所述目标区域的地表形变速率历史数据；

根据所述地表形变相位历史数据和所述DEM历史数据，得到所述目标区域的地表高程历史数据、坡度数据和坡向数据；

将所述地表形变相位历史数据、所述地表形变速率历史数据、所述地表高程历史数据、所述坡度数据和所述坡向数据按照年度进行归类，得到所述目标区域的组合影像样本集。

3.根据权利要求1所述的滑坡形变聚集区预测模型生成方法，其特征在于，所述根据所述组合影像数据样本集和预设初始深度学习模型，得到所述目标区域的滑坡形变聚集区预测模型，具体包括：

将所述组合影像数据样本集中的组合影像样本数据进行预处理；

将预处理后的所述组合影像数据样本集划分为训练集和验证集；

利用所述训练集对所述预设初始深度学习模型进行训练，得到训练后的所述预设初始深度学习模型；

利用所述验证集对训练后的所述预设初始深度学习模型进行验证，得到精度值和误差值，选取所述精度值大于预设精度阈值，且所述误差值小于预设误差阈值的所述预设初始深度学习模型作为所述目标区域的滑坡形变聚集区预测模型。

4.根据权利要求3所述的滑坡形变聚集区预测模型生成方法，其特征在于，所述将所述组合影像数据样本集中的组合影像样本数据进行预处理，具体包括：

将所述组合影像样本数据进行剪裁，得到切片影像数据；

通过旋转、翻转和缩放对所述切片影像数据进行增广处理；

将增广处理后的所述切片影像数据进行归一化处理。

5.一种滑坡形变聚集区预测方法，其特征在于，所述方法包括：

获取目标区域的当前组合影像数据；

将所述当前组合影像数据输入预先训练生成的滑坡形变聚集区预测模型，得到所述目标区域中的滑坡形变聚集区数据，所述滑坡形变聚集区预测模型是根据权利要求1-4任一项所述的滑坡形变聚集区预测模型生成方法训练生成的。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-4任一项所述的滑坡形变聚集区预测模型生成方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求5所述的滑坡形变聚集区预测方法的步骤。