形变监测方法、装置、系统、存储介质及电子设备

    公开(公告)号:CN119413127A

    公开(公告)日:2025-02-11

    申请号:CN202311688298.5

    申请日:2023-12-08

    Abstract: 本公开提供一种形变监测方法、装置及系统、电子设备、计算机可读存储介质,涉及形变监测技术领域。所述方法包括:接收卫星数据采集终端上传的各形变监测点的形变监测数据;将所述形变监测数据传输至形变监测数据中心,并接收所述形变监测数据中心发送的控制命令;将所述控制命令经所述数据采集终端发送至监测设备,以通过所述控制命令更改所述监测设备的采集参数,其中,所述监测设备用于采集所述形变监测数据,并将所述形变监测数据传输至所述卫星数据采集终端。本公开通过低地球轨道卫星进行形变监测数据及控制命令的传输,解决了当前网络存在的覆盖区域不足、传输数据量小等问题,满足了全覆盖、实时、精细化、自动化的形变监测应用需求。

    一种面向卫星监测数据智能异常感知的时序预测方法

    公开(公告)号:CN118364388B

    公开(公告)日:2025-04-11

    申请号:CN202410466031.X

    申请日:2024-04-18

    Abstract: 本发明涉及一种面向卫星监测数据智能异常感知的时序预测方法,通过可逆实例归一化来处理卫星时间序列数据中普遍存在的分布偏移问题,从而提高时间序列预测的性能。采用将Autoformer和FEDformer中使用的分解方案与TSMixer全MLP架构线性层相结合的DTSMixer模型对历史时间序列进行回归,直接预测未来的时间序列。由于RevIN‑DTSMixer方法是一个简单的全MLP架构线性模型,因此其运行效率和参数数量都远远优于基于Transformer的预测方法。在真实数据集上的实验结果表明,RevIN‑DTSMixer方法能显著提高时序数据预测的准确性,具有简单,高效且精确的优势。

    一种面向卫星监测数据智能异常感知的时序预测方法

    公开(公告)号:CN118364388A

    公开(公告)日:2024-07-19

    申请号:CN202410466031.X

    申请日:2024-04-18

    Abstract: 本发明涉及一种面向卫星监测数据智能异常感知的时序预测方法,通过可逆实例归一化来处理卫星时间序列数据中普遍存在的分布偏移问题,从而提高时间序列预测的性能。采用将Autoformer和FEDformer中使用的分解方案与TSMixer全MLP架构线性层相结合的DTSMixer模型对历史时间序列进行回归,直接预测未来的时间序列。由于RevIN‑DTSMixer方法是一个简单的全MLP架构线性模型,因此其运行效率和参数数量都远远优于基于Transformer的预测方法。在真实数据集上的实验结果表明,RevIN‑DTSMixer方法能显著提高时序数据预测的准确性,具有简单,高效且精确的优势。

Patent Agency Ranking