(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211169517.4 (22)申请日 2022.09.26 (65)同一申请的已公布的文献号 申请公布号 CN 115240082 A (43)申请公布日 2022.10.25 (73)专利权人 四川省冶金地质勘查局水文工程 大队 地址 611730 四川省成 都市郫都区郫筒镇 一里东街249号 (72)发明人 胡正涛　兰昌义　黎智　唐鹏　 黄霞　 (74)专利代理 机构 西安正华恒远知识产权代理 事务所(普通 合伙) 61271 专利代理师 陈选中(51)Int.Cl. G06V 20/13(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G01B 7/16(2006.01) (56)对比文件 CN 113762090 A,2021.12.07 CN 113186952 A,2021.07.3 0 CN 114858238 A,202 2.08.05 审查员 何江琴 (54)发明名称 一种基于形变监测和深度学习的地质灾害 监测预警方法 (57)摘要 本发明公开了一种基于形变监测和深度学 习的地质灾害 监测预警方法， 首先采用GNSS数据 辅助高分卫星影像对监测区域进行地表形变监 测， 在保证监测准确性和实时性的情况下， 有效 节约了人力成本； 然后基于深度学习的思想， 采 用深度生成对抗网络模型建立地表形变监测结 果到地质灾害发生概率的关系， 避免或降低人为 主观因素的影响， 预测速度快且结果准确； 最后 根据监测区域的地质灾害发生概率可以向用户 进行有效的地质灾害预警。 权利要求书2页 说明书5页 附图2页 CN 115240082 B 2022.12.13 CN 115240082 B 1.一种基于形变监测和深度学习的地质灾害监测预警方法， 其特征在于， 包括以下步 骤： S1、 采集监测区域的高分卫星影 像； S2、 对高分卫星影 像进行预处理， 得到预处 理数据； S3、 采集监测区域的GNS S数据； S4、 通过GNSS数据对预处理数据进行相位解缠， 得到监测区域的形变监测数据， 并将形 变监测数据划分为训练集数据和 测试集数据； S5、 构建深度生成对抗网络模型； S6、 将地质灾害发生概率作为预测标签， 通过训练集数据对深度生成对抗网络模型进 行训练， 得到地质灾害预测模型； S7、 将测试集数据输入地质灾害预测模型， 输出 得到监测区域的地质灾害发生 概率； S8、 当监测区域的地质灾害发生 概率大于预设概 率阈值时， 向用户发出地质灾害预警； 所述步骤S4包括以下分步骤： S41、 在预处 理数据中选择分辨 率最高的影 像数据作为 参考影像； S42、 对预处 理数据中除参 考影像外的其 他影像进行干涉处 理， 得到干涉影像； S43、 通过GNS S数据辅助将所有干涉影 像都配准到参 考影像上， 得到缠绕干涉图； S44、 通过GNS S数据对缠绕干涉图进行相位 解缠， 得到解缠干涉图； S45、 对解缠干涉图进行地理编码， 得到监测区域的形变监测数据； S46、 将形变监测数据划分为训练集数据和 测试集数据； 所述步骤S44中通过GNS S数据对缠绕干涉图进行相位 解缠的公式为： 其中Ig表示解缠干涉图， Ih表示缠绕干涉图， round(·)表示取整运算， IGNSS表示通过 GNSS数据插值反演得到的解缠干涉图， 表示干涉处 理的半波长 。 2.根据权利要求1所述的地质灾害监测预警方法， 其特征在于， 所述步骤S2包括以下分 步骤： S21、 将高分卫星影 像中有云覆盖、 气溶胶覆盖或冰雪覆盖的影 像数据删除； S22、 将高分卫星影 像中有缺失、 噪声或异常像元的影 像数据删除； S23、 将剩余影 像数据裁 剪拼接至同一范围， 得到预处 理数据。 3.根据权利要求1所述的地质灾害监测预警方法， 其特征在于， 所述步骤S3包括以下分 步骤： S31、 在监测区域内划分正多边形格网； S32、 将正多边形格网的每 个顶点作为GNS S数据采集 点； S33、 在每个GNSS数据采集 点布设一个GNS S接收机， 采集 监测区域的GNS S数据。 4.根据权利要求1所述的地质灾害监测预警方法， 其特征在于， 所述步骤S5 中构建的深 度生成对抗网络模型包括生成器网络和判别器网络， 所述生成器网络包括依次连接的第一 反卷积层、 第一BN层、 第二反卷积层、 第二BN层、 第三反卷积层、 第三BN层和第四反卷积层， 所述判别器网络包括依次连接的第一卷积层、 第四BN层、 第二卷积层、 第五BN层、 第三卷积权　利　要　求　书 1/2 页 2 CN 115240082 B 2层、 第六BN层和第四卷积层， 所述第四反卷积层的输出 连接第一卷积层的输入。 5.根据权利要求4所述的地质灾害监测预警方法， 其特征在于， 所述生成器网络采用 ReLU作为激活函数， 所述判别器网络采用LeakyReLU作为激活函数。 6.根据权利要求4所述的地质灾害监测预警方法， 其特征在于， 所述步骤S6包括以下分 步骤： S61、 向生成器网络 输入随机噪声数据， 输出 得到生成数据； S62、 将生成数据和训练集数据输入判别器网络中， 将地质灾害发生概率作为预测标签 构建损失函数； S63、 判断损失函数是否收敛， 若是则训练完成， 得到地质灾害预测模型， 否则返回步骤 S61。 7.根据权利要求6所述的地质灾害监测预警方法， 其特征在于， 所述步骤S62中构建的 损失函数 具体为： 其中Loss表示损失函数， Er表示监测区域的真实地质灾害发生概率分布， Ec表示监测区 域的预测地质灾害发生概率分布， D(·)表示判别器网络， G(·)表示生成器网络， x表示训 练集数据， z表示随机噪声数据。权　利　要　求　书 2/2 页 3 CN 115240082 B 3