买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆交通大学申请的专利基于InSAR反演与多影响因子的大范围滑坡形变预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114252879B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111567548.0，技术领域涉及：G01S13/90；该发明授权基于InSAR反演与多影响因子的大范围滑坡形变预测方法是由潘建平;蔡卓言;赵瑞淇;付占宝;朱玲;郭志豪设计研发完成，并于2021-12-20向国家知识产权局提交的专利申请。

本基于InSAR反演与多影响因子的大范围滑坡形变预测方法在说明书摘要公布了：本发明公开了一种基于InSAR反演与多影响因子的大范围滑坡形变预测方法，包括：对SAR影像数据进行InSAR反演处理，得到时序形变数据；对时序形变数据进行聚类，得到若干类别的时序形变数据；将各类别的时序形变数据分解为周期项形变序列与趋势项形变序列；确定与周期项形变显著相关的影响因子；分别建立各类别时序形变数据的LSTM模型实现对各类别的形变进行预测；将各类别的周期项形变预测值与趋势项形变预测值相加，得到各类别的形变量预测结果，将各类别的形变量预测结果进行合并，得到大范围的滑坡形变预测结果。本发明能够实现对大范围滑坡形变的有效预测，解决了现有技术存在的预测范围小、成本高等不足。

本发明授权基于InSAR反演与多影响因子的大范围滑坡形变预测方法在权利要求书中公布了：1.一种基于InSAR反演与多影响因子的大范围滑坡形变预测方法，其特征在于：包括如下步骤： S1.采集目标区域的SAR影像数据，并对SAR影像数据进行InSAR反演处理，得到时序形变数据； S2.对时序形变数据进行聚类处理，得到若干类别的时序形变数据； S3.将各类别的时序形变数据分解为周期项形变序列与趋势项形变序列； S4.提取若干影响因子，计算各影响因子分别与各类别的周期项形变序列之间的关联度，选取出与周期项形变显著相关的影响因子，并将显著相关的影响因子作为目标影响因子； 根据如下步骤计算各影响因子分别与各类别的周期项形变序列之间的关联度： S41.将周期项形变序列取作为，将n个影响因子序列取作，并对周期项形变序列与影响因子序列进行归一化处理； S42.计算周期项形变序列与影响因子序列对应元素的绝对差值；其中，为周期项形变序列在时刻的值，为影响因子序列在时刻的值； S43.计算关联系数： ； 其中，为周期项形变序列与影响因子序列在t时刻的关联系数，表示两序列的最小绝对差值，表示两序列的最大绝对差值，为分辨系数； S44.计算关联度： ； 其中，n为时序序列长度； S5.对各类别的时序形变数据分别建立LSTM模型，具体包括： 同一类别的趋势项形变，将趋势项形变作为变量输入，建立趋势项单变量LSTM模型； 同一类别的周期项形变，将周期项形变与目标影响因子作为变量输入，建立周期项多变量LSTM模型； S6.对步骤S5中的单变量LSTM模型以及多变量LSTM模型进行网络模型训练，得到训练好的LSTM模型，并使用训练好的LSTM模型对各类别的形变进行预测，得到各类别的周期项形变预测值与趋势项形变预测值； S7.将各类别的周期项形变预测值与趋势项形变预测值相加，得到各类别的形变量预测结果，并将各类别的形变量预测结果进行合并，得到大范围的滑坡形变预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆交通大学，其通讯地址为：400074 重庆市南岸区学府大道66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。