一种基于航空电磁数据的滑坡内部断裂破碎带识别方法技术

一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，属于大数据处理技术领域。方法如下：S1：对无人机遥感的多源异构电磁数据进行识别与分类；S2：对无人机遥感的多源异构电磁数据进行剔除与过滤；S3：对无人机遥感的多源异构电磁数据进行参数敏感性分析并识别参数敏感度；S4：对无人机遥感的多源异构电磁数据进行降维并提取无人机遥感的多源异构电磁数据的特征向量；S5：对无人机遥感的多源异构电磁数据进行特征向量的提取与融合，作为机器学习方法的输入，实现基于滑坡内部断裂破碎带的空间建模。本发明专利技术通过获得无人机遥感的多源异构电磁数据的融合特征向量，提高了无人机遥感电磁勘探数据对滑坡内部断裂破碎带识别的准确性和利用效率。准确性和利用效率。

【技术实现步骤摘要】
一种基于航空电磁数据的滑坡内部断裂破碎带识别方法


[0001]本专利技术涉及一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，属于大数据处理


技术介绍

[0002]利用无人机机载探地雷达和瞬变电磁探测系统能够感知各种电磁特征并获取更加全面、有效的数据和信息。在断裂破碎带电磁数据分析方面，多源异构的电磁数据融合与无人机遥感特征提取技术已成为一个重要的研究方向。然而，这些数据和信息具有许多特点，例如异构性、多态性、相关性、随机性、模糊性以及数据量庞大等，现有的数据预处理技术无法完全达到功能和性能要求。
[0003]如何有效地处理这些数据和信息，是当前滑坡地质灾害感知预警的难点。为了提高多源异构数据的质量，提高滑坡勘测电磁数据的可靠性和利用率，建立行之有效的断裂破碎带电磁探测新模式，实现无人机遥感的多源异构电磁数据融合和特征提取是至关重要的。

技术实现思路

[0004]为解决
技术介绍
中存在的问题，本专利技术提供一种基于航空电磁数据的滑坡内部断裂破碎带识别方法。
[0005]实现上述目的，本专利技术采取下述技术方案：一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，所述方法包括如下步骤：
[0006]S1：对无人机遥感的多源异构电磁数据进行识别与分类；
[0007]S2：对无人机遥感的多源异构电磁数据进行剔除与过滤；
[0008]S3：对无人机遥感的多源异构电磁数据进行参数敏感性分析，并识别参数敏感度；
[0009]S4：对无人机遥感的多源异构电磁数据进行降维，并提取无人机遥感的多源异构电磁数据的特征向量；
[0010]S5：对无人机遥感的多源异构电磁数据进行特征向量的提取与融合，作为机器学习方法的输入，实现基于滑坡内部断裂破碎带的空间建模。
[0011]与现有技术相比，本专利技术的有益效果是：
[0012]由于无人机遥感的勘探数据具有异构性、多态性、数据离散但又具有一定的相关性、随机性、模糊性以及数据量庞大等特征，因此，本专利技术通过数据识别与分类、数据剔除与过滤以及数据降维，对获取的初始数据进行分类清洗，将结构性复杂、内容杂乱的无人机遥感电磁勘探数据转化为统一标准形式，并筛查过滤掉冗余信息和误差数据，通过数据处理获取无人机遥感的多源异构电磁数据的时间序列特征向量和统计特征向量，进而获得无人机遥感的多源异构电磁数据的融合特征向量，有效提高了无人机遥感电磁勘探数据对滑坡内部断裂破碎带识别的准确性和利用效率。
具体实施方式
[0013]下面对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是专利技术的一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0014]一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，涉及一种滑坡地质灾害勘测方法，所述方法包括如下步骤：
[0015]S1：对无人机遥感的多源异构电磁数据进行识别与分类；
[0016]无人机遥感数据包括但不限于由各种形式的数据观测采集设备获得的栅格数据、无人机航摄影像数据、气象数据等；
[0017]S101：建立无人机遥感的多源异构电磁数据的关键词表，所述关键词表是由数据源确定，数据源的关键词包括输出数据关键词、设备关键词、数据结构性信息等；
[0018]S102：对无人机遥感的多源异构电磁数据进行标记，即：根据关键词表的关键词，针对数据的种类、输出设备、结构性等对无人机遥感的多源异构电磁数据进行标记；
[0019]S103：对无人机遥感的多源异构电磁数据识别与分类，即：根据数据特征和数据分析需求，针对无人机遥感的多源异构电磁数据的类别、结构性等进行数据分类。
[0020]S2：对无人机遥感的多源异构电磁数据进行剔除与过滤；
[0021]针对无人机遥感的多源异构电磁数据复杂性高、精度不一、质量问题复杂的特点，对无人机遥感的多源异构电磁数据进行剔除与过滤的具体步骤如下：
[0022]S201：获取无人机遥感的多源异构电磁数据，设置预设数据标准格式，数据标准格式根据实际使用需求设定，包括结构化、非结构化以及半结构化的标准格式；
[0023]S202：对无人机遥感的多源异构电磁数据质量进行评估；数据质量的评估主要包括数据的完整性、一致性、时效性、有效性等维度，针对质量维度之间的条件、组成、并发等复杂关系，确定无人机遥感的多源异构电磁数据的可靠性指标和阈值。
[0024]S203：对无人机遥感的多源异构电磁数据进行劣质多源异构数据(冗杂信息以及错误数据)定位与识别。对不同类型数据质量问题实例进行特征提取和模式生成，基于统计指标及违反模式信息筛选并定位疑似劣质数据，保证检测方法的有效性和可靠性。
[0025]S204：对S203所得无人机遥感的多源异构电磁数据中劣质多源异构数据进行剔除与过滤。
[0026]S3：对无人机遥感的多源异构电磁数据进行参数敏感性分析，并识别参数敏感度；
[0027]在某一基准状态下，分别令各因素在偏离基态可能的取值范围内变动，研究某个电磁特性影响因素变动对电磁特性的影响程度。定义无量纲形式的敏感度函数，对各因素的敏感性进行对比分析，具体步骤如下：
[0028]S301：确定电磁参数单个评价指标下各电磁特性的敏感度矩阵；确定由电磁敏感性分析因素和该评价指标对应电磁特性的敏感度构建的样本矩阵，对矩阵进行归一化处理，得到归一化矩阵。
[0029]S302：确定电磁特性的敏感度熵及其熵权；采用熵权对敏感度样本进行权重化处理。熵权法由各指标的信息效用值(熵值)来确定其权重系数，用以消除权重系数计算的人为干扰，使评价结果更符合客观实际。
[0030]S303：确定考虑电磁特性熵权的综合敏感度矩阵；为综合考虑随机分析所得评价
指标各电磁特性的影响，通过熵权法确定各电磁特性的敏感度熵权，并由此计算各电磁特性影响因素对评价指标的综合敏感度判断矩阵。
[0031]S304：综合敏感度属性识别。
[0032]S30401：构建各因素的综合敏感度属性空间判断矩阵；
[0033]S30402：将敏感性程度分为不敏感、较敏感、中度敏感和高度敏感四类；
[0034]S30403：基于考虑评价指标各电磁特性熵权的综合敏感度判断矩阵，计算敏感度指标值，结合各评价指标的熵权，获得属性测度；
[0035]S30404：按照置信度准则对各因素的敏感度属性测度进行识别，选取置信度；
[0036]S30405：根据强序组合进行综合评价，并按照属性识别的评分准则，由大到小对参数的敏感性进行比较排序，结果用于数据降维。
[0037]S4：对无人机遥感的多源异构电磁数据进行降维，并提取无人机遥感的多源异构电磁数据的特征向量；
[0038]S401：基于专家知识进行特征选择；结合领域专家知识，对相关性较高的维度进行保留。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，其特征在于：所述方法包括如下步骤：S1：对无人机遥感的多源异构电磁数据进行识别与分类；S2：对无人机遥感的多源异构电磁数据进行剔除与过滤；S3：对无人机遥感的多源异构电磁数据进行参数敏感性分析，并识别参数敏感度；S4：对无人机遥感的多源异构电磁数据进行降维，并提取无人机遥感的多源异构电磁数据的特征向量；S5：对无人机遥感的多源异构电磁数据进行特征向量的提取与融合，作为机器学习方法的输入，实现基于滑坡内部断裂破碎带的空间建模。2.根据权利要求1所述的一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，其特征在于：所述S1包括如下步骤：S101：建立无人机遥感的多源异构电磁数据的关键词表；S102：对无人机遥感的多源异构电磁数据进行标记；S103：对无人机遥感的多源异构电磁数据识别与分类。3.根据权利要求2所述的一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，其特征在于：所述S2包括如下步骤：S201：获取无人机遥感的多源异构电磁数据，设置预设数据标准格式；S202：对无人机遥感的多源异构电磁数据质量进行评估；S203：对无人机遥感的多源异构电磁数据进行劣质多源异构数据定位与识别。S204：对S203所得无人机遥感的多源异构电磁数据中劣质多源异构数据进行剔除与过滤。4.根据权利要求3所述的一种基于航空电磁数据的滑坡内部断裂破碎带识别方法，其特征在于：所述S3包括如下步骤：S301：确定电磁参数单个评价指标下各电磁特性的敏感度矩阵；S302：确定电磁特性的敏感度熵及其熵权；S303：确定考虑电磁特性熵权的综合敏感度矩阵；S304：综合敏感度属性识别。5.根据权利要求4所述的一种基于航...

【专利技术属性】
技术研发人员：蒋泽，覃玉龙，田永强，江元，闫江，赵关义，李振涛，崔自旺，赵子辉，黄林柯，张富平，
申请(专利权)人：国网甘肃省电力公司陇南供电公司，
类型：发明
国别省市：