亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于衛(wèi)星遙感數(shù)據(jù)的人工智能模型在水電站周邊地質(zhì)監(jiān)測(cè)中的應(yīng)用

        2022-12-07 03:18:44中國(guó)華電集團(tuán)有限公司福建分公司林棟來(lái)肖樹(shù)燦林建成太極計(jì)算機(jī)股份有限公司樊子昂
        電力設(shè)備管理 2022年21期
        關(guān)鍵詞:衛(wèi)星預(yù)測(cè)監(jiān)測(cè)

        中國(guó)華電集團(tuán)有限公司福建分公司 林棟來(lái) 肖樹(shù)燦 林建成 太極計(jì)算機(jī)股份有限公司 劉 剛 樊子昂

        水利水電工程中,大壩的安全監(jiān)測(cè)是大壩安全管理的重要內(nèi)容,是控制安全風(fēng)險(xiǎn)的重要措施。其中形變監(jiān)測(cè)是水庫(kù)大壩安全評(píng)價(jià)的基礎(chǔ)和重要組成?,F(xiàn)階段水庫(kù)形變監(jiān)測(cè)多是在重點(diǎn)部位布設(shè)分散、不連續(xù)的單個(gè)監(jiān)測(cè)點(diǎn),利用全站儀、全球?qū)Ш叫l(wèi)星系統(tǒng)等測(cè)量手段按以點(diǎn)代面、以局部代替整體的方法采集離散點(diǎn)形變信息進(jìn)行數(shù)據(jù)處理,這種方式難免會(huì)遺漏一些重大的安全隱患。星載合成孔徑雷達(dá)干涉測(cè)量(interferometric synthetic aperture radar,InSAR)作為近年來(lái)迅速發(fā)展的空間大地測(cè)量新技術(shù),能夠全天時(shí)、全天候、大面積同步獲取地形信息及地表形變信息,與傳統(tǒng)測(cè)量手段相比有效縮短了觀測(cè)周期,擴(kuò)大了空間范圍,提高了監(jiān)測(cè)精度[1]。

        本文中利用InSAR數(shù)據(jù)在池潭水電站進(jìn)行了形變監(jiān)測(cè)應(yīng)用。電站裝機(jī)總?cè)萘?08MW,系閩江富屯溪支流金溪干流的第一級(jí)電站,壩址位于泰寧縣池潭村上游3km的峽谷中。工程以發(fā)電為主,兼顧防洪、航運(yùn)、養(yǎng)殖等綜合效益。

        1 InSAR衛(wèi)星遙感數(shù)據(jù)源及數(shù)據(jù)處理

        本文使用了高分辨率TerraSAR雷達(dá)衛(wèi)星遙感數(shù)據(jù)進(jìn)行監(jiān)測(cè),完成了地質(zhì)災(zāi)害檢測(cè)數(shù)據(jù)的分析,利用該分析結(jié)果進(jìn)行人工智能模型的預(yù)測(cè)。TerraSAR-X衛(wèi)星由德國(guó)航空航天中心和歐洲EADSAstrium公司合作開(kāi)發(fā),是固態(tài)有源相控陣的X波段合成孔徑雷達(dá)衛(wèi)星,具有10cm精度的軌道數(shù)據(jù)。本文采用覆蓋池潭水電站區(qū)域的2021年12月~2022年05月共計(jì)8景TerraSAR-X數(shù)據(jù)進(jìn)行輔助地質(zhì)災(zāi)害隱患排查和預(yù)測(cè)分析,其中工作區(qū)DEM采用ALOS12.5mDEM。

        基于雷達(dá)衛(wèi)星的地質(zhì)災(zāi)害隱患排查數(shù)據(jù)處理,通過(guò)對(duì)TerraSAR-X雷達(dá)衛(wèi)星影像開(kāi)展數(shù)據(jù)配準(zhǔn)、高相干點(diǎn)識(shí)別、干涉對(duì)組合、時(shí)序分析、形變區(qū)快速識(shí)別等技術(shù)手段,運(yùn)用SVD方法得到池潭水電站區(qū)域2021年12月~2022年05月期間的地表形變速率。

        2 基于LSTM模型預(yù)測(cè)

        2.1 LSTM 模型構(gòu)建

        LSTM模型全稱長(zhǎng)短期記憶模型,是在循環(huán)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行的改進(jìn),因此也屬于RNN網(wǎng)絡(luò)的一種,主要規(guī)避了標(biāo)準(zhǔn)RNN網(wǎng)絡(luò)結(jié)構(gòu)中梯度爆炸和梯度消失問(wèn)題,在其基礎(chǔ)上引入了門控機(jī)制概念,通過(guò)輸入門、遺忘門和輸出門對(duì)數(shù)據(jù)信息流動(dòng)進(jìn)行控制,因此訓(xùn)練速度也會(huì)更快。基于LSTM模型內(nèi)部結(jié)構(gòu)及網(wǎng)絡(luò)結(jié)構(gòu),本文針對(duì)InSAR數(shù)據(jù)的分布及特點(diǎn)構(gòu)建了LSTM網(wǎng)絡(luò)。具體操作步驟為進(jìn)行處理和標(biāo)準(zhǔn)化后的數(shù)據(jù)作為模型的輸入xt,輸入到LSTM模型,模型的輸出經(jīng)過(guò)兩個(gè)全連接層及最后的反標(biāo)準(zhǔn)化操作,得到的結(jié)果為最終的預(yù)測(cè)結(jié)果。

        2.2 數(shù)據(jù)信息

        本文收集整理的信息涵蓋了33327個(gè)InSAR點(diǎn),其中每一個(gè)點(diǎn)都包含多個(gè)屬性,如InSAR點(diǎn)ID、相對(duì)位置xy、經(jīng)緯度、高程、形變速率、標(biāo)準(zhǔn)差以及八個(gè)觀測(cè)到的形變值。此外為了實(shí)現(xiàn)分級(jí)預(yù)測(cè),根據(jù)形變速率對(duì)數(shù)據(jù)進(jìn)行劃分,其等級(jí)標(biāo)記、形變速率區(qū)間(mm/y)、數(shù)據(jù)量分別為:4:[17,+ ∞)、3105,3:[7,17)、4689,2:[4,7)、4607,1:[2,4)、5107,0:[0,2)、6740,-1:[-3,0)、4739,-2:[-6,-3)、2068,-3:[-13,-6)、1757,-4 :(- ∞,-13)、515。

        2.3 數(shù)據(jù)處理

        為保證LSTM模型快速收斂、保持?jǐn)?shù)據(jù)一致性及提高模型的預(yù)測(cè)精度,在輸入時(shí)對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,在輸出時(shí)進(jìn)行反標(biāo)準(zhǔn)化式中:x代表輸入數(shù)據(jù),xmax代表輸入數(shù)據(jù)的最大值,abs()為取絕對(duì)值操作,代表標(biāo)準(zhǔn)化后的輸入數(shù)據(jù)。

        為充分發(fā)揮數(shù)據(jù)作用,本文采樣連續(xù)七個(gè)時(shí)刻InSAR數(shù)據(jù)遞歸預(yù)測(cè)下一時(shí)刻,即采用2021年12月2日到2022年4月13日的數(shù)據(jù)預(yù)測(cè)2022年5月5日的形變量。根據(jù)構(gòu)建完畢的樣本數(shù)據(jù)訓(xùn)練預(yù)測(cè)模型,模型的輸出可與InSAR實(shí)際觀測(cè)值進(jìn)行比較,根據(jù)評(píng)價(jià)指標(biāo)的大小評(píng)判模型的表現(xiàn)力,選取最優(yōu)異的模型進(jìn)行最終的預(yù)測(cè)。最終預(yù)測(cè)樣本的構(gòu)建本文選取2021年12月24日到2022年5月5日之間七個(gè)連續(xù)時(shí)刻的數(shù)據(jù),預(yù)測(cè)的值為下一個(gè)時(shí)刻,即2022年5月27日的形變值。

        2.4 實(shí)驗(yàn)

        本文基于InSAR遙感衛(wèi)星數(shù)據(jù)根據(jù)形變速率劃分九個(gè)等級(jí),并對(duì)每一個(gè)等級(jí)內(nèi)的全部InSAR點(diǎn)進(jìn)行聯(lián)合預(yù)測(cè)。本文使用Python語(yǔ)言進(jìn)行編程,基于Pytorch的深度學(xué)習(xí)框架構(gòu)建了LSTM模型(圖1)。

        評(píng)價(jià)指標(biāo):為展現(xiàn)LSTM模型對(duì)形變值的預(yù)測(cè)結(jié)果,本文使用了均方誤差(MSE)的評(píng)價(jià)指標(biāo)來(lái)衡量預(yù)測(cè)結(jié)果與實(shí)際值間的差距。均方誤差既可作為L(zhǎng)STM模型的損失函數(shù)進(jìn)行網(wǎng)絡(luò)的訓(xùn)練,還可度量評(píng)估網(wǎng)絡(luò)輸出與真實(shí)值的距離。損失函數(shù)越小、距離越小,也就是均方誤差的值越小,模型的表現(xiàn)力就越優(yōu)異

        實(shí)驗(yàn)參數(shù):進(jìn)行預(yù)測(cè)前根據(jù)多個(gè)水電站附近的inSar數(shù)據(jù)進(jìn)行多次嘗試,最終確定采用Adam算法進(jìn)行優(yōu)化,并最終確定LSTM模型中關(guān)于網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù):"predictionLSTM_lr":0.001,預(yù)測(cè)模型學(xué)習(xí)率;"predictionEpoch":50,預(yù)測(cè)模型訓(xùn)練周期;"predictionBatch":16,預(yù)測(cè)模型批大??;"predictionLSTM_numLayers":"1",LSTM層數(shù);"predictionLSTM_hidden_size":256,Lstm隱藏層狀態(tài);"predictionLSTM_embed_dim1":1024,全連接層1的映射維度;"predictionLSTM_embed_dim2":512,全連接層2的映射維度;"predictionLSTM_stepLr":20,步長(zhǎng) ;"k":5,根據(jù)k折劃分訓(xùn)練集和測(cè)試集。

        2.5 結(jié)果分析

        本文通過(guò)對(duì)9個(gè)不同等級(jí)多個(gè)觀測(cè)點(diǎn)的數(shù)據(jù),訓(xùn)練出一個(gè)LSTM模型。圖2每個(gè)小圖中一條曲線代表一個(gè)觀測(cè)點(diǎn)的觀測(cè)值,圖中曲線上前七個(gè)點(diǎn)是歷史觀測(cè)值特征,最后一個(gè)點(diǎn)是預(yù)測(cè)的結(jié)果。從中可看出,預(yù)測(cè)模型可沿著數(shù)據(jù)走勢(shì)對(duì)未來(lái)進(jìn)行預(yù)測(cè)。

        3 結(jié)語(yǔ)

        在實(shí)際應(yīng)用方面,本文構(gòu)建的深度學(xué)習(xí)預(yù)測(cè)模型可很好地?cái)M合時(shí)序數(shù)據(jù)的特點(diǎn),能有效幫助管理人員對(duì)重點(diǎn)地質(zhì)災(zāi)害點(diǎn)進(jìn)行安全排查監(jiān)測(cè)。盡管本文提出了使用LSTM對(duì)未來(lái)InSAR數(shù)據(jù)進(jìn)行預(yù)測(cè),但是還有很多可補(bǔ)充改進(jìn)的地方。本模型僅使用了循環(huán)神經(jīng)網(wǎng)絡(luò)提取時(shí)序間的依賴關(guān)系,成千上萬(wàn)個(gè)InSAR點(diǎn)之間的空間拓?fù)洳⑽醇{入建模過(guò)程中。在未來(lái)的研究過(guò)程中,將考慮根據(jù)InSAR數(shù)據(jù)之間的物理距離構(gòu)建圖網(wǎng)絡(luò)模型??臻g圖模型可用作捕獲基于物理距離的相關(guān)度,獲取的空間特征可應(yīng)用于時(shí)序預(yù)測(cè)模型。隨著數(shù)據(jù)的不斷積累,圖網(wǎng)絡(luò)方法的結(jié)果也會(huì)和LSTM方法進(jìn)行比較。相信基于深度學(xué)習(xí)的模型和方法將會(huì)越來(lái)越多地應(yīng)用于地災(zāi)監(jiān)測(cè)的應(yīng)用之中。

        猜你喜歡
        衛(wèi)星預(yù)測(cè)監(jiān)測(cè)
        無(wú)可預(yù)測(cè)
        黃河之聲(2022年10期)2022-09-27 13:59:46
        選修2-2期中考試預(yù)測(cè)卷(A卷)
        選修2-2期中考試預(yù)測(cè)卷(B卷)
        特色“三四五六”返貧監(jiān)測(cè)幫扶做實(shí)做細(xì)
        miniSAR遙感衛(wèi)星
        靜止衛(wèi)星派
        科學(xué)家(2019年3期)2019-08-18 09:47:43
        不必預(yù)測(cè)未來(lái),只需把握現(xiàn)在
        Puma" suede shoes with a focus on the Product variables
        網(wǎng)絡(luò)安全監(jiān)測(cè)數(shù)據(jù)分析——2015年12月
        網(wǎng)絡(luò)安全監(jiān)測(cè)數(shù)據(jù)分析——2015年11月
        国产激情久久99久久| 天天做天天爱夜夜爽毛片毛片 | 激情精品一区二区三区| 边喂奶边中出的人妻| 日本一区不卡在线| 厕所极品偷拍一区二区三区视频| 91成人国产九色在线观看| 免费人成年激情视频在线观看| 亚洲中文字幕无码永久在线| 尤物AV无码色AV无码麻豆 | 99久久久精品免费| 男男做h嗯啊高潮涩涩| 无套中出丰满人妻无码| 亚洲色大成网站www永久一区 | 亚洲 欧美 国产 日韩 精品| 少妇高潮惨叫久久久久电影| 中文字幕日韩有码国产| 各种少妇正面着bbw撒尿视频| 日韩AV不卡一区二区三区无码| 久久高潮少妇视频免费| 国产精品三区四区亚洲av| 免费国产黄网站在线观看可以下载| 欧美人妻日韩精品| 久久久一本精品久久久一本| 嫩草伊人久久精品少妇av| 国产又黄又大又粗的视频| 国产乱子伦视频一区二区三区| 午夜蜜桃视频在线观看| 又嫩又硬又黄又爽的视频| 久久aⅴ无码av免费一区| 精品少妇后入一区二区三区| 成人性生交大片免费入口| 中文字幕一区二区三区乱码| 欧美激情中文字幕在线一区二区| 亚洲一区二区三区四区精品| 国内精品久久久久国产盗摄 | 午夜影院91| 日本一区二区不卡在线| 亚洲一区二区三区无码久久| 999精品全免费观看视频| 在线免费观看毛视频亚洲精品|