[发明专利]一种滑坡方向与趋势的识别和预测方法、装置及电子设备

权利要求书

1.一种滑坡方向与趋势识别方法，其特征在于，包括以下步骤：

S1、基于滑坡体的监测数据，确定滑坡体的形变参数；

所述形变参数包括形变数据和高程数据；

S2、对形变数据和高程数据进行数据融合处理，得到更新的形变数据；

S3、确定更新的形变数据的曲面函数；

S4、利用曲面函数确定滑坡体的滑动方向，实现滑坡方向与趋势识别。

2.根据权利要求1所述的滑坡方向与趋势识别方法，其特征在于，所述步骤S1中滑坡体的监测数据包括形变监测数据和数字地形数据，所述形变监测数据通过地基微变监测雷达获得，所述数字地形数据通过三维激光扫描仪和/或无人机的切斜摄影获得；

所述步骤S1中通过形变监测数据确定的形变数据表示为D_diff(ρ,θ,D)，其中，D为将形变监测数据D_diff构造为对应的扇形数据中每个像素点位置的形变量，(ρ,θ)为像素点的雷达坐标，ρ为各像素点与雷达间的视向距离，θ为各像素点与雷达之间的视向方位角；

所述步骤S1中通过数字地形数据确定的高程数据表示为D_tree(x,y,h)，其中，(x,y,h)为数字地形数据D_tree对应的矩阵数据中各个像素点的地理坐标，x,y,h分别为地形数据中各个像素点的水平地理坐标、竖直地理坐标和高程。

3.根据权利要求2所述的滑坡方向与趋势识别方法，其特征在于，所述步骤S2具体为：

S21、创建与高程数据相同大小、相同分辨率的待定分析区域E(x,y,u)；

其中，x,y分别为待定分析区域的水平和竖直地理坐标，u为待定参数；

S22、确定待定分析区域E(x,y,u)中各像素点与雷达中心之间的距离和方位角；

S23、确定形变数据中与距离和方位角最近的第一坐标；

S24、将第一坐标的形变值确定为待定参数u的参数值；

S25、将更新后的参数值对应的待定分析区域确定为数据融合处理得到的更新后的形变数据。

4.根据权利要求3所述的滑坡方向与趋势识别方法，其特征在于，所述步骤S3具体为：

S31、将更新后的形变数据中形变值最大的像素点确定为初始点；

S32、在更新的形变数据中以初始点为中心进行曲面拟合，得到更新的形变数据的中间曲面函数；

S33、利用中间曲面函数确定初始点对应的变化斜率；

S34、利用变化斜率更新初始点，并利用更新的初始点重新确定中间曲面函数和变化斜率；

S35、重复步骤S33-S34，对中间曲面函数进行更新，直到满足终止条件，将满足终止条件的中间曲面函数作为形变数据的曲面函数。

5.根据权利要求4所述的滑坡方向与趋势识别方法，其特征在于，所述步骤S34中终止条件包括以下条件中的至少一种：

(1)在利用变化斜率更新初始点，进而确地中间曲面函数和变化斜率的重复执行次数达到预设次数时，即满足终止条件；

(2)在利用变化斜率更新初始点进而确定的中间曲面函数过程中，当相邻两次得到的中间曲面函数相同或曲面相似度大于预设相似度时，即满足终止条件；

(3)在利用中间曲面函数重新确定初始点对应的变化斜率的过程中，当相邻两次得到的初始点对应的变化斜率相同或变化斜率之间的差值小于预设差值时，即满足终止条件；

(4)在利用中间曲面函数重新确定初始点对应的变化斜率的过程中，当确定的变化斜率的模值小于预设阈值时，即满足终止条件；

所述步骤S35中，在对中间曲面函数进行更新的过程中，将每次确定的初始点依次存入到数组G_diff中；

所述初始点的存入方式为：

G_diff(1:2,j)＝(x_d,y_d)

式中，G_diff(1:2,j)表示将第j次得到的初始点的坐标值x_d和y_d分别存入到数组G_diff中第j列的第一行和第二行。