[发明专利]一种基于时空关联规则的地表变形预测方法

权利要求书

1.一种基于时空关联规则的地表变形预测方法，其特征在于，包括以下步骤：

S1、时空关联规则挖掘：

S11、采用K-Means方法对地表变形进行分区，距离变形中心较近的区域为A变形区域，而距离变形中心相对较远的区域为B变形区域，由测点聚类得到的不同地表变形区域中，累积变形较大、距离变形中心较近的测点A_i所在地表变形区域发展较为超前，而累积变形较小、距离变形中心相对较远的测点B_j所在地表变形区域发展则较为滞后，而相邻地表变形区域间基于空间变形的连续性，又会呈现变形特征的延续；

S12、选择离变形中心较远区域内的监测点B_j最新监测到的时间长度为t的数据构成固定窗口，作为灰色关联度计算的参考序列，具体将测点B_j最新监测到的时间长度为t的固定窗口内的时序数据为b_j(k)的窗口记为b_j；

S13、离变形中心较近的相邻变形区域内监测点A_i从最早监测时间开始的时间长度为t的数据构成滑动窗口，窗口滑动距离设为Δt，由每次滑动形成的时间窗口包含的时序数据作为比较序列，具体将测点A_i最早监测到的第一个滑动窗口内的时序数据记为a_i(1)，将窗口向后滑动Δt得到第二个滑动窗口内的时序数据记为a_i(2)，以此类推，可以得到a_i(3),…,a_i(k)，其中a_i(k)为测点A_i在最后一个滑动窗口内对应的时序数据；采用灰色关联度分析法计算R(b_j,a_i(1)),R(b_j,a_i(2)),…,R(b_j,a_i(k))灰色关联度；

S14、根据数据要求设定灰色关联度阈值，满足阈值且滑动时段最长的时序数据为a_i(m)的窗口a_i与固定窗口b_j即为关联窗口，其中窗口a_i滑动过的最长时段不得少于测点A_i滑过总时段的1/2即

S15、应用基于灰色关联分析和Apriori算法扫描数据库，扫描在步骤S14中得到的关联窗口所确定的可能存在时空关联规则的不同时间段和确定拟执行Apriori算法连接步形成的时间窗口总个数，具体若在测点B_j时间段早期开始的时间长度为t的数据构成的时间窗口b_j，和测点A_i时间段早期开始的时间长度为t的数据构成的时间窗口a_i基础上执行Apriori算法的连接步，每次连接步长依然为Δt，每连接一次计算两个时间窗口间的灰色关联度，那么拟连接至b_j和a_i(m)截止时间点共产生的时间窗口与步骤S14中滑动窗口的总个数一致为m个；

S16、设置灰色关联度阈值与最小支持度，判定不同地表变形区域测点呈现空间变形连续性的时间段中是否变形趋势一致；

S17、根据最小支持度，执行Apriori算法的连接步与剪枝步操作，逐一执行计算测点B_j时间段与测点A_i时间段内各个时间窗口间的灰色关联度R(b_j(1),a_i(1)),R(b_j(1)+Δt,a_i(1)+Δt),…R(b_j(1)+q*Δt,a_i(1)+q*Δt)，其中q＝0,1,...,m-1，直至目标测点因不满足最小支持度的要求被剔除，或者满足要求直至连接到关联窗口的截止时间为止；

S18、设置最小置信度，要求计算得到的最小置信度不得低于90％，反映了空间连续变形在对应时间段中的延续。

S2、向量机预测模型建立：

S21、已得到距离变形中心较远、发展滞后的B类地表变形区域测点B_j与距离变形中心较近的相邻A类地表变形区域测点A_i存在时间段和间具有时空关联规则，那么将时段数据作为训练向量机模型的输入，时段数据作为训练向量机模型的输出，使向量机模型充分学习两段数据间存在的时空关联关系，生成时空关联函数；

S22、在向量机模型以函数的形式建立了和两段数据间的时空关联关系后，基于该两段数据相似变形趋势会随着时间的推移不断延续的性质，将近距离处的时间段后续已监测到的数据作为向量机模型输入，预测远距离处的测点B_j的未来变形值；

S3、实现高精准预测：

S31、通过挖掘到的时空关联规则，远距离的测点已经向近距离的地表变形区域演化，两相邻区域空间存在变形连续性的变形趋势一致时间段，而相似变形趋势会随着时间的推移不断延续，远距离的测点在近距离地表变形区域中找到了包含目前及未来变形趋势的测点及相应时间段，那么应用找到的该测点的相应时间段的大量数据进行向量机模型训练；

S32、根据向量机模型的大数据训练结果，高精准预测远距离测点的未来变形值，准确预测突变变形。