公开(公告)号：CN119206539B

公开(公告)日：2025-01-28

申请号：CN202411730967.5

申请日：2024-11-29

Applicant: 吉林大学

Inventor： 舒传增 ,  孟治国 ,  杨莹 ,  徐丹

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于地表形变预测领域，提供一种融合卷积注意力与多影响因素的采空区地表形变预测方法，包括S1：获取涵盖采空区范围的相关数据，相关数据包括SAR影像数据、辅助数据和外部影响因素数据；S2：根据相关数据构建采空区的基于温度、降水和InSAR形变的时间序列数据集；S3：对时间序列数据集进行预处理并划分为训练集和测试集，构建并训练基于卷积注意力机制与多变量输入的形变预测模型；S4：根据形变预测模型对采空区的未来形变进行预测。本发明能够实现在复杂变形模式下的高精度的形变预测；基于Transformer编码器与Bi‑LSTM解码器架构的形变预测模型，能够提高形变预测模型的精度和鲁棒性。

公开(公告)号：CN119206539A

公开(公告)日：2024-12-27

申请号：CN202411730967.5

申请日：2024-11-29

Applicant: 吉林大学

Inventor： 舒传增 ,  孟治国 ,  杨莹 ,  徐丹

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于地表形变预测领域，提供一种融合卷积注意力与多影响因素的采空区地表形变预测方法，包括S1：获取涵盖采空区范围的相关数据，相关数据包括SAR影像数据、辅助数据和外部影响因素数据；S2：根据相关数据构建采空区的基于温度、降水和InSAR形变的时间序列数据集；S3：对时间序列数据集进行预处理并划分为训练集和测试集，构建并训练基于卷积注意力机制与多变量输入的形变预测模型；S4：根据形变预测模型对采空区的未来形变进行预测。本发明能够实现在复杂变形模式下的高精度的形变预测；基于Transformer编码器与Bi‑LSTM解码器架构的形变预测模型，能够提高形变预测模型的精度和鲁棒性。