[发明专利]基于毫米波雷达的山体滑坡预测方法和电子设备

说明书

本申请公开了一种基于毫米波雷达的山体滑坡预测方法和电子设备，属于雷达检测技术领域，该方法包括：以设置于待测山体的角反射器为目标位置，通过毫米波雷达获取角反射器的相位波动参数；通过机器学习算法对相位波动参数进行调制训练，得到强预测函数，根据强预测函数得到最优分类结果；根据最优分类结果计算山体滑坡区域的真实位移，并与设定的山体位移阈值比较，根据比较结果对山体滑坡的情况进行预警。本申请可以预测山体滑坡的同时，还通过高精度的数据处理方式来提高预测精度，降低误报警的概率，同时有效减少了误差，并对复杂环境和气候条件具有较好的适应性。

技术领域

本申请属于雷达检测技术领域，具体涉及一种基于毫米波雷达的山体滑坡预测方法、实施该方法的电子设备和包含实施该方法的计算机程序的计算机可读存储介质。

背景技术

山体滑坡之前，其变化的程度非常微弱，通常在滑坡前3天之前，每天的变化量为1-10mm，目前已有的预测方案包括：（1）利用北斗定位，在指定的山体投放北斗接收机，根据接收机位置的变化，预测山体是否滑坡；但该方案精度较差；（2）利用成像雷达，对山体进行成像，通过成像对比，预测山体是否滑坡；但该方案需要大量的设备做支撑，价格高昂且对安装条件较为苛刻。

发明内容

发明目的：本申请实施例提供一种基于毫米波雷达的山体滑坡预测方法，旨在解决现有技术中预测精度较差，预测成本高的技术问题；本申请实施例的另一目的是提供一种电子设备；本申请实施例的第三目的是提供一种存储介质。

技术方案：本申请实施例提供一种基于毫米波雷达的山体滑坡预测方法，包括：

以设置于待测山体的角反射器为目标位置，通过毫米波雷达获取所述角反射器的相位波动参数；

通过机器学习算法对所述相位波动参数进行调制训练，得到强预测函数，根据所述强预测函数得到最优分类结果；

根据所述最优分类结果计算山体滑坡区域的真实位移，并与设定的山体位移阈值比较，根据比较结果对山体滑坡的情况进行预警。

在一些实施例中，获取所述角反射器的相位波动参数具体通过采集时序差分干涉相位图的方式得到；对所述角反射器的相位波动参数进行调制训练的目的在于减少气象等条件带来的相位延迟。

在一些实施例中，所述通过机器学习算法对所述相位波动参数进行调制训练，得到强预测函数，根据所述强预测函数得到最优分类结果，进一步包括：

采集若干时序差分干涉相位图，提取差分干涉相位并作为数据集，得到第一训练样本；

根据所述第一训练样本，计算强预测函数，得到训练好的强预测器；

通过所述强预测器对所有的所述时序差分干涉相位图进行分类，得到最优分类结果，根据所述最优分类结果，得到各时间点的高精度形变相位，完成误差修正。

在一些实施例中，本申请引入了包含权重的多个弱预测器组合的强预测器，对于奇异点会配置不同的权重再次分类，能够有效减少误差。

在一些实施例中，所述采集若干时序差分干涉相位图，提取差分干涉相位并作为数据集，得到第一训练样本，进一步包括：

在所述时序差分干涉相位图中选取M幅时序差分干涉相位图，并分别从M幅时序差分干涉相位图中选取N个位置相同的图像元素，提取每个所述图像元素在时间序列上的差分干涉相位，并将每个所述差分干涉相位作为一个数据集，进而将得到的N个数据集作为第一训练样本；其中，M和N为自然数。

在一些实施例中，所述时序差分干涉相位图以预定时间周期性地监测得到。

在一些实施例中，根据所述第一训练样本，计算强预测函数，进一步包括：

初始化训练数据集中m组训练样本权重w_i；其中，，且i为1到m之间的整数；