申请/专利权人:应急管理部国家自然灾害防治研究院
申请日:2024-03-28
公开(公告)日:2024-06-21
公开(公告)号:CN118226529A
主分类号:G01V1/30
分类号:G01V1/30;G06V20/64;G06V20/10;G06V10/774;G06V10/62;G06V10/20;G06V10/44;G01S13/90
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明提供了一种基于深度学习的InSAR同震三维形变场恢复方法,包括:根据预设的参数间隔对震源参数进行采样,并基于弹性位错模型正演得到地表三维形变数据;将地表三维形变数据投影至SAR卫星LOS方向,得到卫星升轨和降轨LOS方向一维形变数据;根据地表三维形变数据和LOS方向一维形变数据对深度神经网络模型进行训练和验证;收集地震前后升轨和降轨的影像;利用D‑InSAR技术对升轨和降轨的影像进行处理;将升轨和降轨LOS方向一维形变数据输入到三维形变预测模型中,得到模型预测的地表三维形变结果。本发明利用深度学习技术建立了卫星观测与地表形变之间的关系模型,仅利用SAR卫星一维LOS观测量就可以恢复出地表三维形变量,不需要额外的观测量或先验知识约束。
主权项:1.一种基于深度学习的InSAR同震三维形变场恢复方法,其特征在于,包括:根据预设的参数间隔对震源参数进行采样,并基于Okada弹性位错模型正演得到地表三维形变数据;根据SAR卫星成像几何参数,将所述地表三维形变数据投影至SAR卫星LOS方向,得到SAR卫星升轨和降轨LOS方向一维形变数据;根据所述地表三维形变数据和LOS方向一维形变数据对深度神经网络模型进行训练和验证,得到三维形变预测模型;针对实际地震事件,收集地震前后升轨和降轨的SAR影像;利用D-InSAR技术对升轨和降轨的SAR影像进行处理,反演得到升轨和降轨LOS方向一维形变数据;将升轨和降轨LOS方向一维形变数据输入到所述三维形变预测模型中,得到模型预测的地表三维形变结果。
全文数据:
权利要求:
百度查询: 应急管理部国家自然灾害防治研究院 一种基于深度学习的InSAR同震三维形变场恢复方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。