[发明专利]基于人工智能决策树的GPS遥感洪水预警方法

说明书

本发明公开了一种基于人工智能决策树的GPS遥感洪水预测方法，包括如下步骤：S1、读取GPS卫星原始观测值；S2、原始观测值的预处理；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；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；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。采用基于人工智能决策树算法建立高精度的洪水探测模型，深度挖掘探测量和其它辅助特征参数之间的相关性，降低误探率，保证洪水探测的精准度和稳定性。

技术领域

本发明涉及导航卫星遥感反演技术领域，具体指一种基于人工智能决策树的GPS遥感洪水预测方法。

背景技术

随着全球气候变暖以及由城镇化发展而引发的城市水文效应变化，导致极端强降雨天气极其容易造成城市内涝以及城镇局部洪水发生，使得城市洪涝灾害的风险不断增大。比如，2016年7月初发生在湖北省武汉市的城市洪涝，2018年7月低发生在新疆哈密市的城乡局部洪水灾害以及2021年7月低发生在河南新乡的城市局部洪水等，造成几十人死亡，且直接经济损失高达30亿元，可见城市短时局部内涝以及洪水严重威胁着人民群众的生命财产安全。因此，建立实时高效精准的城市洪水探测预警方法，增强城市雨洪管理和预防能力，保障人民群众的生命和财产安全是当前城市地理测绘遥感领域亟待解决的问题之一。

当前，基于导航卫星反演洪水的探测方法从观测值角度主要可以分为两大类，第一类是基于信号载噪比观测值进行的洪水预警探测，但不同弧段的载噪比性能表现差异较大，特别是在洪水探测过程中，高弧段（高度角大于60度）时的载噪比波动比低弧段（高度角低于30度）时更明显，这就导致常规的基于低弧段载噪比的探测方法效率降低。另外，基于载噪比的探测方法受接收机类型制约较为严重。比如，不同厂家的接收机输出的载噪比观测值差异很大，导致难以建立统一规范的探测阈值。而有些载噪比又采用近似输出，导致载噪比分辨率较低，严重降低洪水探测精度。此外，有些接收机也不具备输出载噪比的功能，这会导致该方法失效。第二类是基于伪距和载波相位观测值的方法进行洪水探测预警，但现有方法都是通过对伪距和载波相位观测值进行组合后进行探测，而组合观测值会导致噪声和其它误差（如对流层残差和电离层残差）放大，导致现有基于伪距和载波相位观测值的探测方法精度较低。此外，现在方法没有顾及粗差对观测值的影响，导致探测成功率较低，而对探测模型的建立忽略了特征参数的关联性，这也导致现有方法误探率较高，产生过多虚假预警。

因此，亟需一种顾及伪距和载波相位粗差和噪声影响的算法，进而能够建立精确的洪水探测模型，不仅可以提高洪水探测的实时性和精确性，也可以有效保证洪水探测的成功率和稳定性，为洪水灾害预警提供强有力的支撑。

发明内容

本发明根据现有技术的不足，提出一种基于人工智能决策树的GPS遥感洪水预测方法，采用基于人工智能决策树算法建立高精度的洪水探测模型，模型即一个存储了探测观测量（伪距变化率和载波相位变化率）以及相应辅助信息（高度角、方位角、卫星号、降雨量、探测阈值等）的数据库，以文本的形式存储在电脑上，深度挖掘探测量和其它辅助特征参数之间的相关性，降低误探率，保证洪水探测的精准度和稳定性，并联合GPS卫星L1频和L2频进行双频联合探测，进一步保证探测精度。

为了解决上述技术问题，本发明的技术方案为：

一种基于人工智能决策树的GPS遥感洪水预测方法，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；