一种表征地面沉降时序演变的预测算法的制作方法

技术特征：
1.一种表征地面沉降时序演变的预测算法，其特征在于，包括有以下步骤；s1、获取覆盖研究区范围的长时序合成孔径雷达影像数据，利用时序合成孔径雷达干涉测量方法，获取地表视线向的形变信息，通过实测gps和水准点数据对insar监测结果进行校准和精度验证，将视线向的值转化为垂向，获取ps点的高精度垂向形变数据，通过克里金插值/反距离权重等插值法获取年均沉降速率；s2、构建麻雀优化器，将麻雀优化器代入到bp神经网络代码中，得到基于麻雀搜索算法优化的bp神经网络模型；s3、将多源数据通过空间分析、数理统计等技术方法进行处理，得到权重因子；s4、将s1中计算所得的年均沉降速率和s3中得到的权重因子代入到s2中提到的基于麻雀搜索算法优化的bp神经网络模型中，构建基于麻雀搜索算法优化的bp神经网络的地面沉降预测模型；s5、选取rmse、mae、r2作为精度参数，对s4中的得到的基于麻雀搜索算法优化的bp神经网络的地面沉降预测模型进行精度分析，验证模型的可行性，并输出验证结果。2.根据权利要求1所述的一种表征地面沉降时序演变的预测算法，其特征在于，所述s2中提到的构建麻雀优化器，具体包括以下步骤：a1、将n只麻雀组成的种群表示为：式中，r表示待优化问题变量的维数，n为麻雀的数量；初始化种群，迭代次数，初始化捕食者和加入者比例；a2、所有麻雀的适应度值表示为：式中，f表示适应度值；利用式(2)计算种群的适应度值，并对其进行排序；a3、依据ssa算法规则，每次迭代时发现者位置更新为：式中，k代表当前迭代数；j＝1，2，3，
…
，d；iter
max
为常数，表示最大迭代次数；x
i,j
为第i只麻雀在第j维中的位置信息；α∈(0,1]为随机数；r2和st分别表示预警值和安全值；q服从正态分布的随机数；l表示一个1xd的矩阵，其中该矩阵内每个元素全部为1；利用式(3)更新捕食者位置；
a4、加入者的位置更新描述为：式中，x
p
为目前发现者最优位置，x
worst
为目前全局最差位置，a为一个1xd矩阵，其中每个元素为随机值1或
‑
1，有a

＝a
t
(aa
t
)
‑1；利用式(4)更新加入者位置；a5、假设意识到危险的麻雀占总数量的10％～20％，则有：式中，x
best
为全局最优位置，β为控制参数，服从均值为0方差为1的正态分布随机数；k∈[
‑
1,1]的随机数，f
i
为目前麻雀个体的适应度值；f
g
和f
w
分别为目前全局最好和最差的适应度值；ε为最小的常数，避免分母为0；利用式(5)更新警戒者位置；a6、利用a2中提到的式(2)计算适应度值，并实时更新麻雀位置；a7、根据a6中所得的计算结果以及位置信息判断是否满足停止条件，满足则退出，输出结果，否则，重复执行a2
‑
a6所述操作。3.根据权利要求1所述的一种表征地面沉降时序演变的预测算法，其特征在于，所述s1在获取雷达观测影像数据时，需用到雷达影像处理软件，所述雷达影像处理软件为stamps、sarproz和gamma。4.根据权利要求2所述的一种表征地面沉降时序演变的预测算法，其特征在于，所述式(1)
‑
(5)的计算可以通过matlab、python、c 等计算获得，所述s3中提到的空间分析技术和数理统计技术中的计算通过arcgis、matlab、excel软件计算所得。

技术总结
本发明公开了一种表征地面沉降时序演变的预测算法，属于地质灾害预防技术领域；一种表征地面沉降时序演变的预测算法，基于雷达影像数据，利用PS


技术研发人员：郭琳 宫辉力 朱万田 朱雪骐 李小娟 朱琳 吕明苑 张可
受保护的技术使用者：首都师范大学
技术研发日：2021.08.09
技术公布日：2021/11/4