[发明专利]地表信息预测方法及装置

权利要求书

1.一种地表信息预测方法，其特征在于，包括：

基于图神经网络和循环神经网络构建地表信息预测模型；

基于获得的多个样本信息集合对所述地表信息预测模型进行更新处理，得到更新后的地表信息预测模型，其中，该多个样本信息集合在多个历史时间下对目标区域进行信息采集形成，且每一个样本信息集合包括该目标区域中多个位置的历史高度变化信息；

基于所述更新后的地表信息预测模型对目标地表信息进行预测处理，得到预测地表信息，其中，该目标地表信息包括所述目标区域中至少一个位置在目标时间的目标高度变化信息，且该预测地表信息包括该至少一个位置的预测高度变化信息；

其中，所述基于获得的多个样本信息集合对所述地表信息预测模型进行更新处理，得到更新后的地表信息预测模型的步骤，包括：

基于获得的多个样本信息集合分别形成多个训练信息集合和多个测试信息集合，其中，任意一个所述训练信息集合对应的历史时间早于任意一个所述测试信息集合对应的历史时间；

基于所述训练信息集合包括的历史高度变化信息对所述地表信息预测模型进行更新处理，得到第一地表信息预测模型；

基于所述测试信息集合包括的历史高度变化信息对所述第一地表信息预测模型进行测试处理，并在得到的测试结果满足预设条件时，将该第一地表信息预测模型作为更新后的地表信息预测模型。

2.根根据权利要求1所述的地表信息预测方法，其特征在于，所述基于所述训练信息集合包括的历史高度变化信息对所述地表信息预测模型进行更新处理，得到第一地表信息预测模型的步骤，包括：

针对每一个所述训练信息集合，基于该训练信息集合包括的多个位置的历史高度变化信息，构建邻接矩阵；

针对每一个所述邻接矩阵，对该邻接矩阵中的边和/或对角线的权重系数进行赋值处理，得到更新后的邻接矩阵；

分别基于每一个所述更新后的邻接矩阵得到对应的度矩阵，其中，该度矩阵为对角矩阵，该对角矩阵在对角线上的每一个元素为该更新后的邻接矩阵中每一个顶点的邻接顶点的数量，且该更新后的邻接矩阵中的每一个顶点对应所述目标区域中的一个位置；

基于每一个所述度矩阵和该度矩阵对应的更新后的邻接矩阵，对所述地表信息预测模型进行更新处理，得到第一地表信息预测模型。

3.根据权利要求2所述的地表信息预测方法，其特征在于，所述针对每一个所述邻接矩阵，对该邻接矩阵中的边和/或对角线的权重系数进行赋值处理，得到更新后的邻接矩阵的步骤，包括：

针对每一个所述邻接矩阵中的每一条边，计算该条边连接的两个顶点的欧式距离，并将该欧式距离作为该条边的权重系数；

针对每一个所述邻接矩阵中的每一条边，基于该条边连接的两个顶点对应的两个位置的历史地理位置信息，计算得到地理距离信息；

减小每一条目标边的权重系数，其中，该目标边连接的两个顶点对应的两个位置的地理距离信息大于预设距离信息。

4.根据权利要求3所述的地表信息预测方法，其特征在于，所述减小每一条目标边的权重系数的步骤，包括：

将每一条目标边的权重系数更新为0。

5.根据权利要求2所述的地表信息预测方法，其特征在于，所述针对每一个所述邻接矩阵，对该邻接矩阵中的边和/或对角线的权重系数进行赋值处理，得到更新后的邻接矩阵的步骤，包括：

确定目标权重值，其中，该目标权重值大于预设值；

将每一个所述邻接矩阵的对角线的权重系数赋值为所述目标权重值。