公开(公告)号：CN116738633A

公开(公告)日：2023-09-12

申请号：CN202310692348.0

申请日：2023-06-12

Applicant: 上海大学

Inventor： 王健嘉 ,  赵欣 ,  毛浩地 ,  姜雨彤 ,  赵勋达 ,  刘坤

IPC: G06F30/18 ,  G06F30/20 ,  G06F17/18 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明提供了一种交通运输加权复杂网络的骨干网络提取方法、系统及设备，涉及复杂网络和统计物理领域。该方法包括：建立交通运输加权复杂网络的统计物理模型，确定统计物理模型中的热力学量；基于热力学量，将德拜模型映射到交通运输加权复杂网络上，确定交通运输加权复杂网络中边权的概率密度函数；根据边权的概率密度函数确定边权的联合分布函数；基于边权的联合分布函数，利用最大期望算法确定交通运输加权复杂网络中边权的最优阈值；根据边权的最优阈值过滤交通运输加权复杂网络的边权值，提取交通运输加权复杂网络的骨干网络；骨干网络用于描述交通运输加权复杂网络。本发明能够准确提取出骨干网络，提高交通运输加权复杂网络分析的准确性。

公开(公告)号：CN116559876A

公开(公告)日：2023-08-08

申请号：CN202310604779.7

申请日：2023-05-26

Applicant: 上海大学

Inventor： 毛浩地 ,  王健嘉

IPC: G01S13/90 ,  G01B15/06

Abstract: 本发明公开了一种基于时间序列数据的滑坡形变预测方法及系统，涉及滑坡形变预测技术领域，首先获取待检测滑坡的SAR图像，并使用InSAR技术将所述SAR图像生成滑坡形变图；确定待检测滑坡的监测点，并依据滑坡形变图得到各个监测点的滑坡形变时间序列数据；对各个监测点的滑坡形变时间序列数据进行预处理；构建各个监测点滑坡形变时间序列数据的关联矩阵；将滑坡形变时间序列数据与所述关联矩阵相融合；使用融合结果对神经网络模型进行训练，得到滑坡形变预测模型；使用滑坡形变预测模型对监测点的形变进行预测。本发明在InSAR技术的基础上，结合监测点确定技术和数据融合技术，对滑坡形变进行预测，实现了更高精度的滑坡形变预测。