CN119291643A 地基雷达滑坡监测预警方法及系统 （北京盛博蓝自动化技术有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119291643A(43)申请公布日2025.01.10

(21)申请号202411749717.6

(22)申请日2024.12.02

GO6F18/2131(2023.01)

GO6F18/25(2023.01)

GO6F18/2431(2023.01)

(71)申请人北京盛博蓝自动化技术有限公司

地址100000北京市石景山区八大处高科

技园区西井路3号3号楼9027房间

(72)发明人赵丽丽王远洋赵富源

(74)专利代理机构北京智行阳光知识产权代理事务所(普通合伙)11738

专利代理师张毅群

(51)Int.CI.

G01S7/41(2006.01)

G01B15/06(2006.01)

G01S13/88(2006.01)

G08B31/00(2006.01)

G08B21/10(2006.01)

权利要求书4页说明书16页附图2页

(54)发明名称

地基雷达滑坡监测预警方法及系统

(57)摘要

CN119291643A本发明提供一种地基雷达滑坡监测预警方法及系统，涉及滑坡监测技术领域，包括采集监测信号并进行滤波处理；提取瞬时相位并进行小波包分解；通过形态学滤波获得增强特征；构建监测特征向量；对特征时序矩阵进行非线性降维；利用分数阶自适应神经网络获取演化轨迹；构建层次化风险推理框架；通过多源信息融合得到风险度量值；采用模糊演化算法进行动态评估并确定预警等级。本方法可提高滑坡监测预警的

CN119291643A

地基雷达采集滑坡体监测信号，通过巴特沃斯滤波器的滤波处理，得到滤波信号，将滤波信号通过希尔伯特变换，提取瞬时相位，基于瞬时相位采用小波包分解算法进行五层分解，获得所述滤波信号的低频特征系数和高频特征系数；基于所述低频特征系数和所述高频特征系数，通过形态学滤波器，得到增强特征；对所述增强特征进行离散傅里叶变换，获取相位稳定性系数、幅度连续性系数和信噪比系数，构建滑坡体监测特征向量

将所述滑坡体监测特征向量按照时间顺序划分为多个时间窗口，得到滑坡体特征时序矩阵，采用变分自编码器对滑坡体特征时序矩阵进行非线性降维，得到滑坡体状态特征，将滑坡体状态特征输入分数阶自适应神经网络，通过求解分数阶微分方程获取滑坡体状态的演化轨迹，基于所述演化轨迹建立滑坡体状态演化模型，得到滑坡体演化规律参数和当前状态参数

构建层次化风险推理框架，对滑坡体演化规律参数和当前状态参数进行深度柯普拉网络建模，获取滑坡体位移的概率密度函数，将所述概率密度函数结合预获取的地质参数和环境参数，通过证据理论进行多源信息融合，得到滑坡风险度量值，采用模糊演化算法，构建自适应风险阈值函数并嵌入蒙特卡洛树搜索优化,对滑坡风险度量值进行动态评估，确定预警等级并生成预警信

S101

S102

S103

CN119291643A权利要求书1/4页

2

1.地基雷达滑坡监测预警方法，其特征在于，包括：

地基雷达采集滑坡体监测信号，通过巴特沃斯滤波器的滤波处理，得到滤波信号，将滤波信号通过希尔伯特变换，提取瞬时相位，基于瞬时相位采用小波包分解算法进行五层分解，获得所述滤波信号的低频特征系数和高频特征系数；基于所述低频特征系数和所述高频特征系数，通过形态学滤波器，得到增强特征；对所述增强特征进行离散傅里叶变换，获取相位稳定性系数、幅度连续性系数和信噪比系数，构建滑坡体监测特征向量；

将所述滑坡体监测特征向量按照时间顺序划分为多个时间窗口，得到滑坡体特征时序矩阵，采用变分自编码器对滑坡体特征时序矩阵进行非线性降维，得到滑坡体状态特征，将滑坡体状态特征输入分数阶自适应神经网络，通过求解分数阶微分方程获取滑坡体状态的演化轨迹，基于所述演化轨迹建立滑坡体状态演化模型，得到滑坡体演化规律参数和当前状态参数；

构建层次化风险推理框架，对滑坡体演化规律参数和当前状态参数进行深度柯普拉网络建模，获取滑坡体位移的概率密度函数，将所述概率密度函数结合预获取的地质参数和环境参数，通过证据理论进行多源信息融合，得到滑坡风险度量值，采用模糊演化算法，构建自适应风险阈值函数并嵌入蒙特卡洛树搜索优化，对滑坡风险度