[发明专利]一种InSAR时序形变预测方法、系统及相关装置在审
| 申请号： | 201910286195.3 | 申请日： | 2019-04-10 |
| 公开（公告）号： | CN110333494A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 马培峰;张帆;林珲 | 申请（专利权）人： | 马培峰 |
| 主分类号： | G01S7/41 | 分类号： | G01S7/41;G01S13/88;G01S13/90;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 518000 广东省深圳市南山区*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请所提供的一种InSAR时序形变预测方法，包括：获取目标对象的历史形变数据；将历史形变数据输入深度卷积神经网络模型，输出时序形变预测结果；其中，深度卷积神经网络模型的网络结构融合了U‑Net模型的网络结构和DenseNet模型的网络结构。该方法将获取目标对象的历史形变数据输入深度卷积神经网络模型，输出时序形变预测结果。由于深度卷积神经网络模型的网络结构融合了U‑Net模型的网络结构和DenseNet模型的网络结构，所以输出的时序形变预测结果的精度更高。本申请还提供一种InSAR时序形变预测系统、设备及计算机可读存储介质，均具有上述有益效果。 | ||
| 搜索关键词： | 网络结构 形变 卷积神经网络 时序 形变数据 预测结果 获取目标 输出时序 计算机可读存储介质 相关装置 预测系统 融合 预测 申请 输出 | ||
【主权项】：
1.一种InSAR时序形变预测方法，其特征在于，包括：获取目标对象的历史形变数据；将所述历史形变数据输入深度卷积神经网络模型，输出时序形变预测结果；其中，所述深度卷积神经网络模型的网络结构融合了U‑Net模型的网络结构和DenseNet模型的网络结构。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于马培峰，未经马培峰许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910286195.3/，转载请声明来源钻瓜专利网。
