一种融合K-means和KNN的GNSS数据质量综合评估方法

    公开(公告)号:CN114594507A

    公开(公告)日:2022-06-07

    申请号:CN202210506598.6

    申请日:2022-05-11

    Applicant: 长安大学

    Abstract: 本发明提供了一种融合K‑means和KNN的GNSS数据质量综合评估方法,属于GNSS数据处理技术领域。综合评估方法采用全球密集GNSS监测网观测数据并进行数据预处理,得到数据完整率、信噪比值、伪距多路径值和周跳比值,构建样本数据集,通过K‑means算法对样本集进行非监督聚类分析,再将每一类数据的PPP定位结果均值作为定位精度特征后进行排序,得到定位精度特征标签,最后构建GNSS数据质量综合评估模型。本发明解决了现有GNSS数据质量评估缺少明确标准的问题,有效地实现GNSS数据质量的自动评估分类并得出高质量的观测数据,对导航定位精度的提高有重要作用。

    一种灾害监测型GNSS接收机及其监测方法

    公开(公告)号:CN112596076A

    公开(公告)日:2021-04-02

    申请号:CN202011474102.9

    申请日:2020-12-14

    Applicant: 长安大学

    Abstract: 本发明公开了一种灾害监测型GNSS接收机及其监测方法,其中,灾害监测型GNSS接收机包括:作为决策核心单元的微控制器、定时定位的定位模块、负责上传下载的4G通信模块、给定位模块和4G通信模块通断电的电子开关、提高接收机发送增益的第一天线接口、使接收机接收卫星信号的第二天线接口、Caster服务器、Windows服务器。接收机的监测方法包括以下步骤:S1:接收机设置与部署;S2:接收机监测并将数据传回;S3:解算分析软件解算观测数据并将监测结果存入数据库;S4:监控配置软件调整监测时间间隔;S5:接收机接收新的监测时间间隔。本发明解决了现有GNSS监测设备无法长期连续观测的问题,具有自我调节观测间隔以延长使用期限的优势。

    一种权重动态调整的地质断层参数粒子群优化搜索算法

    公开(公告)号:CN109255426B

    公开(公告)日:2020-12-29

    申请号:CN201810940151.3

    申请日:2018-08-17

    Applicant: 长安大学

    Abstract: 本发明公开了一种权重动态调整的地质断层参数粒子群搜索算法,针对利用粒子群优化算法在搜索计算断层参数过程中收敛速度慢且易陷入局部最优等问题,提出根据粒子进化速度和聚集程度适时进行动态调整惯性权重的值,并基于相似度的粒子群优化改进了粒子群算法早期易遗失最优点的缺点,将各粒子群分为三部分,有效提高了地质断层参数最优值搜索计算的收敛效率。本发明的模型结构简单,可操作性强,模拟效果好,可实现收敛速度、收敛精度上均优于常规及现有改进粒子群算法,有效避免了粒子群算法存在的诸多缺点。

    InSAR地裂缝影响带宽度探测方法、设备及存储介质

    公开(公告)号:CN112068131A

    公开(公告)日:2020-12-11

    申请号:CN202010752908.3

    申请日:2020-07-30

    Applicant: 长安大学

    Abstract: 本发明公开了InSAR地裂缝影响带宽度探测方法、设备及存储介质,该方案通过利用合成孔径雷达干涉测量技术(InSAR)对SAR影像进行时间序列分析处理,并对获取的精细地表形变监测结果进行跨地裂缝剖线提取,根据剖线上形变梯度变化确定地裂缝影响带的宽度。本发明不需要野外工作及物理模型,直接利用地裂缝活动对地表变化特征的影响来确定地裂缝影响带宽度,即直接表征影响带宽度的实际地表变化情况。另外,本发明的整体方案经济高效,探测结果且与实际情况吻合度高,解决了现有技术中存在的费时费力且与实际情况存在差别的问题。

    一种表碛覆盖型冰川的自动化提取方法

    公开(公告)号:CN112036264A

    公开(公告)日:2020-12-04

    申请号:CN202010812775.4

    申请日:2020-08-13

    Applicant: 长安大学

    Abstract: 本发明公开了一种表碛覆盖型冰川的自动化提取方法,包括:步骤1对研究区域的光学影像进行预处理,得到多光谱波段以及研究区域的纹理特征;步骤2选择合适的地形数据进行地形分析获得研究区域对应的坡度、平面曲率和剖面曲率;步骤3利用光学偏移量方法计算研究区域的流动位移特征;步骤4:采用随机森林算法进行分类并获得表碛冰川轮廓。本发明充分利用了表碛冰川具有流动性的特点,使用光学偏移量技术求取流动位移,再结合随机森林算法对表碛冰川进行提取,自动化程度高,提取准确度高;随机森林算法解决了特征阈值、特征使用先后顺序、组合难确定的问题,相比决策树分类准确度有所提高;流速的加入大大提高了表碛冰川边界提取的准确度。

    一种基于地面沉降信息的黄土滑坡早期识别方法

    公开(公告)号:CN108168526B

    公开(公告)日:2020-09-01

    申请号:CN201711348000.0

    申请日:2017-12-15

    Applicant: 长安大学

    Abstract: 本发明涉及黄土滑坡识别技术领域,公开了一种基于地面沉降信息的黄土滑坡早期识别方法,包括以下步骤:S1、结合沉降信息与地下水信息,获取沉降中心地下水流场的下游与塬边交界的区域,该区域为A;S2、根据研究区域的DEM生成坡度图;单个滑坡的坡度要求是30°‑50°,在区域A中满足这些条件的区域为B;S3、获取研究区域的遥感影像,识别黄土塬边与地下水的渗出点;把区域B中有地下水渗出的区域叫做C,这样C区域就是最后识别出来的滑坡区域,这种方法,对InSAR识别滑坡、光学遥感影像识别滑坡、DEM识别滑坡三种方法取长补短,揭示了其内在联系,提高了黄土滑坡识别的准确率。

    一种顾及广播星历误差的多模GNSS异步RTK定位方法

    公开(公告)号:CN111352137A

    公开(公告)日:2020-06-30

    申请号:CN202010336832.6

    申请日:2020-04-26

    Applicant: 长安大学

    Abstract: 本发明公开了一种顾及广播星历误差的多模GNSS异步RTK定位方法,首先参考精密星历和精密钟差评定异步RTK模型中每颗卫星的广播星历轨道误差和钟差误差在通信延迟时间内变化的统计值;然后,将这些统计值作为附加产品添加到RTCM差分信号格式文件中,播发给RTK终端设备;其次,用户在接收到广播星历轨道误差和钟差在通信延迟时间变化的统计值后,结合终端RTK定位时的差分数据龄期(通信延迟)优化计算每颗卫星的随机模型误差,然后再利用双差观测值模型进行多模GNSS异步RTK定位解算,从而提高终端RTK的定位效果。

    基于方差膨胀模型的GNSS/加速度计自适应融合滑坡监测方法

    公开(公告)号:CN115143878B

    公开(公告)日:2025-03-07

    申请号:CN202210725698.8

    申请日:2022-06-24

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于方差膨胀模型的GNSS/加速度计自适应融合滑坡监测方法,包括安装GNSS天线与加速度计形成一个刚体结构,计算Allan方差并标定加速度随机游走系数,构建Kalman滤波的状态及其协方差时间更新方程;将加速度计基线偏差扩展为待估参数,并进行随机游走建模;输入加速度计数据进行状态预测,并根据其时间戳搜索同一时刻的GNSS量测信息,将GNSS‑RTK位移作为量测信息计算高精度的融合形变监测结果。该方法通过Kalman滤波器将两种观测信息进行松耦合,并在历元间采用随机游走模型对加速度计基线偏差进行约束,另外采用方差膨胀模型对GNSS异常监测数据的量测噪声进行调整,以提高参数估计的精度和可靠性。

    一种实现单北斗实时PPP模糊固定的相位偏差估计方法

    公开(公告)号:CN116299615B

    公开(公告)日:2023-11-03

    申请号:CN202211618286.0

    申请日:2022-12-15

    Applicant: 长安大学

    Abstract: 本发明提供了一种实现单北斗实时PPP模糊固定的相位偏差估计方法,属于卫星定位技术领域,包括:利用双差观测模型计算主参考站、其他测站与卫星的双差模糊度;计算频点1的非差整周模糊度;求出所有测站的非差无电离层组合整周模糊度;将非差无电离层组合整周模糊度代入卫星基本观测方程,得到更新后的相位观测方程后,求出卫星的整数钟;获取卫星的浮点钟;利用卫星的整数钟和卫星的浮点钟,计算得到卫星端的NLUPD;获取卫星端的WL UPD;利用相位偏差转换公式将NLUPD和WLUPD转换成可观测的信号偏差产品,实现相位偏差的估计;该方法能够实现定位相位偏差的估计。

    一种基于机器学习的滑坡位移高精度预测方法

    公开(公告)号:CN112926251B

    公开(公告)日:2022-07-05

    申请号:CN202110133359.6

    申请日:2021-02-01

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于机器学习的滑坡位移高精度预测方法,针对传统乌鸦算法迭代效率差、过度拟合导致泛化精度低的问题进行了两点改进:1、乌鸦在没有领导者情况下,用乌鸦个体执行莱维飞行来取代随机搜索方式,有效地降低了乌鸦个体搜索的盲目性;2、为有效避免算法中存在的过拟合现象,针对支持向量机模型中的参数寻优问题,改变传统搜索算法中选取最优适应度值的方法,将常规支持向量机优化算法中以选取最小适应度值为原则修改为选取最优适应度值区间所对应的支持向量机最小参数值,通过基于改进的乌鸦搜索算法再对支持向量机参数进行优化。本发明方法有效改进高维滑坡位移数据搜索时的收敛效率,提高了支持向量机的回归精度和泛化能力。

Patent Agency Ranking