基于InSAR的公路沿线滑坡形变识别方法及系统与流程

本发明涉及道路工程测绘，具体涉及基于insar的公路沿线滑坡形变识别方法及系统。

背景技术：

1、时序insar技术因具备大范围、面状、毫米级精度的地表形变获取能力，已成为公路形变监测的重要手段。然而，公路insar时序形变信号是车辆循环荷载、地质蠕变、温度效应等多物理成分的混叠体。现有公路insar形变模型通常采用一个或多个纯经验函数的组合来描述时序形变，物理意义不清，且普遍忽视车辆循环荷载对沉降的贡献；据雷达学报，在软土公路路段，车辆循环荷载分量是路口区域形变的主导贡献项，占比可达81%。

2、因此，车辆循环荷载分量与地质形变分量在insar时序信号中相互混叠，导致从观测信号中分离出纯净的地质形变分量、进而可靠识别滑坡形变面临巨大挑战。如何在高度动态的公路交通环境下，从力学机理上物理可解释的分离车辆荷载分量、获取净地质形变信号，是insar公路监测中的核心难题。针对上述问题，亟需一种能够将路面结构力学机理嵌入深度学习框架、实现车辆荷载分量与地质形变分量可解释分离的技术方案。

技术实现思路

1、本发明以路面结构力学机理与深度学习融合为切入点，提出了基于insar的公路沿线滑坡形变识别方法及系统，通过可微分的弹性层状体系传递矩阵生成具有明确力学意义的物理引导形变序列，并结合跨模态物理注意力与变分分解解码，物理可解释的分离车辆荷载分量，获取净地质形变信号，从而提升公路沿线滑坡形变识别的可靠性。

2、本发明采用的技术方案如下：

3、基于insar的公路沿线滑坡形变识别方法，包括：

4、获取道路结构参数向量以及时空对齐的insar时序形变信号和车辆荷载时序，其中，道路结构参数向量包含各结构层的弹性模量、泊松比、层厚，还包含路基的弹性模量和泊松比，结构层至少包括沥青层、水稳层及级配碎石层；

5、将道路结构参数向量和车辆荷载时序输入物理嵌入层，通过可微分的弹性层状体系传递矩阵计算生成物理特征和物理引导形变序列；

6、将insar时序形变信号输入时序-频谱特征提取器生成信号特征；

7、以物理特征为查询、以信号特征为键和值，通过跨模态物理注意力模块生成融合特征；

8、将融合特征输入变分分解解码器，解码得到若干个模态分量及对应的归因权重，将归因权重最大的模态分量判定为车辆荷载分量；

9、将insar时序形变信号与车辆荷载分量之差作为净地质形变信号，基于净地质形变信号识别公路沿线滑坡形变。

10、本公开还提供了一种计算机可读存储介质或计算机程序产品，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如上任一项所述的方法。

11、本公开还提供了基于insar的公路沿线滑坡形变识别系统，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的方法。

12、本发明通过构建可微分的弹性层状体系传递矩阵物理嵌入层，建立了能够解析计算路表弯沉格林函数、生成具有明确力学意义的物理引导形变序列的可微分前向模型。通过将该物理嵌入层与时序-频谱特征提取器、以物理特征为查询的跨模态物理注意力模块、变分分解解码器结合为端到端训练框架，并使用重构损失、kl散度损失、物理一致性损失、模态正交性损失和归因熵正则化损失共同监督物理嵌入层可学习参数与神经网络参数的联合优化，实现了车辆荷载分量与地质形变分量的物理可解释分离，提升了基于公路insar时序形变信号的净地质形变识别性能。

1.基于insar的公路沿线滑坡形变识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于insar的公路沿线滑坡形变识别方法，其特征在于，将道路结构参数向量和车辆荷载时序输入物理嵌入层，通过可微分的弹性层状体系传递矩阵计算生成物理特征和物理引导形变序列，包括：

3.根据权利要求1所述的基于insar的公路沿线滑坡形变识别方法，其特征在于，将insar时序形变信号输入时序-频谱特征提取器生成信号特征，包括：

4.根据权利要求1所述的基于insar的公路沿线滑坡形变识别方法，其特征在于，以物理特征为查询、以信号特征为键和值，通过跨模态物理注意力模块生成融合特征，包括：

5.根据权利要求1所述的基于insar的公路沿线滑坡形变识别方法，其特征在于，将融合特征输入变分分解解码器，解码得到若干个模态分量及对应的归因权重，包括：

6.根据权利要求1所述的基于insar的公路沿线滑坡形变识别方法，其特征在于，将insar时序形变信号与车辆荷载分量之差作为净地质形变信号，基于净地质形变信号识别公路沿线滑坡形变，包括：

7.根据权利要求2所述的基于insar的公路沿线滑坡形变识别方法，其特征在于，道路结构参数向量中的部分参数作为物理嵌入层的可学习参数，以设计值初始化并参与基于梯度更新的训练，包括：

8.根据权利要求7所述的基于insar的公路沿线滑坡形变识别方法，其特征在于，所述变分分解解码器的总损失包括重构损失、kl散度损失、物理一致性损失、模态正交性损失和归因熵正则化损失：

9.一种计算机可读存储介质或计算机程序产品，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至8中任一项所述的基于insar的公路沿线滑坡形变识别方法。

10.基于insar的公路沿线滑坡形变识别系统，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的基于insar的公路沿线滑坡形变识别方法。