[发明专利]基于人工智能决策树的GPS遥感洪水预警方法

权利要求书

1.一种基于人工智能决策树的GPS遥感洪水预警方法，其特征在于，包括如下步骤：

S1、读取GPS卫星原始观测值，包括伪距、载波相位观测值，并获取辅助特征信息，所述辅助特征信号包括计算相应的高度角，方位角和历元时间间隔；

S2、原始观测值的预处理

S2-1、采用基于均值漂移聚类算法对观测值中的粗差进行探测并剔除；

S2-2、采用基于均衡阈值策略的小波包变换算法消除高频随机噪声影响；

S3、采用历元间的伪距差、载波相位差和历元时间间隔的信息生成洪水探测量，所述洪水探测量包括第一探测量和第二探测量，

所述伪距差通过相邻历元的伪距观测值进行做差得到，所述载波相位差通过相邻历元的载波相位观测值进行做差得到，所述历元时间间隔为相邻历元之间的时间间隔可通过历元的时间做差得到；

所述历元时间间隔的获取方法：

第一个历元的时间表示为T1，第二个历元的时间表示为T2，则历元时间间隔为：ΔT=T2-T1；

最后，通过历元时间间隔和历元间差值分别计算伪距和载波相位的变化率，所述第一探测量为伪距变化率，所述第二探测量为载波相位变化率；

S4、采用基于人工智能决策树算法建立分卫星分频率的洪水探测模型，

1）采用大地测量型接收机持续收集GPS原始伪距和载波相位观测值，通过步骤S2消除粗差和噪声的影响，并利用步骤S3计算得到第一探测量和第二探测量,同时计算相应历元时刻的高度角和方位角信息，为后续模型建立和模型搜索提供辅助,此外，利用雨量计同步测量雨量信息，将该数据与GPS卫星收集的数据保持时间上的同步;

2）利用第一探测量、第二探测量、相应历元时刻的高度角和方位角信息以及时间同步的雨量信息做为决策树的输入参数，并根据上述决策树推测出探测阈值；

3）通过上述生成的决策树，最终建立其分卫星分频率的洪水探测模型，所述洪水探测模型为以数据库的形式保存在计算机上，所述数据库主要包括第一探测量、第二探测量、相应的高度角、方位角和探测阈值；

S5、联合GPS双频信号的第一探测量和第二探测量对洪水进行探测，并根据探测阈值将结果进行标记；

S6、根据探测结果进行洪水预警或对洪水探测模型更新迭代。

2.根据权利要求1所述的基于人工智能决策树的GPS遥感洪水预警方法，其特征在于，所述步骤S1中，通过全球IGS站采集伪距和载波相位观测值。

3.根据权利要求1所述的基于人工智能决策树的GPS遥感洪水预警方法，其特征在于，所述步骤S2-1包括

1）采用均值漂移聚类算法估计收集的观测值数据集的密度中心，得到不含有粗差值数据的搜索半径，作为后续粗差探测的检验向量；

2）利用计算得到的检验向量对观测日当天的数据进行粗差探测，对于大于探测检验向量的观测数据，则认定为该观测值为粗差，进行剔除，对于小于或等于该探测检验向量内的观测数据，则进行保存，用于后续的洪水探测。