(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211172065.5 (22)申请日 2022.09.26 (71)申请人 成都理工大 学 地址 610059 四川省成 都市成华区二仙桥 东三路一号 (72)发明人 曾鹏　冯兵　李天斌　孙小平　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 苟冬梅 (51)Int.Cl. G06F 30/17(2020.01) G06T 7/30(2017.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06F 111/08(2020.01) (54)发明名称 基于InSAR近实时监测的滑坡失稳时间概率 预测方法及产品 (57)摘要 本发明实施例提供了一种基于InSAR近实时 监测的滑坡失稳时间概率预测方法及产品。 本发 明实施例中， 利用InSAR技术获取滑坡表面的变 形信息， 在滑坡关键部位选择典型监测点， 获得 典型监测点在各个观测节点的位移及变形速度， 通过移动平均法确定滑坡加速阶段的起点时间 节点， 再基于在该起点时间节 点之后的各个观测 节点下， 典型监测点的变形速度， 通过逆速度模 型和贝叶斯理论得到滑坡失稳时间的后验分布， 最后基于 该后验分布， 预测在9 0％置信区间下的 滑坡失稳时间窗口。 无需推导预测模 型的经验参 数， 可以根据每一个滑坡的实际情况进行滑坡失 稳时间的预测， 也不依赖在先经验， 根据当前滑 坡的实际监测数据得到预测结果， 得到的预测结 果更加准确可靠 。 权利要求书3页 说明书11页 附图3页 CN 115510578 A 2022.12.23 CN 115510578 A 1.一种基于InSAR近实时监测的滑坡失稳时间概率预测方法， 其特征在于， 所述方法包 括： 获取高精度滑坡变形信息， 所述高精度滑坡变形信息 至少包括： 位移和变形速度； 确定典型监测点； 对典型监测点的在各个观测时间节点的变形速度进行处理， 确定滑坡加速阶段的起点 时间节点； 基于逆速度模型， 以及所述典型监测点在起点 时间节点之后的各个观测时间节点的变 形速度， 通过贝叶斯理论得到滑坡失稳时间的后验分布； 根据滑坡失稳时间的后验分布， 预测在90％置信区间下的滑坡失稳时间窗口。 2.根据权利要求1所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法， 其特征 在于， 基于逆速度模型， 以及所述典型监测点在起点时间节点之后的各个观测时间节点的 变形速度， 通过贝叶斯理论得到滑坡失稳时间的后验分布， 包括： 确定逆速度模型， 所述逆速度模型由下式表示： 其中， R表示某时间段内的速度倒数； v表示某时间段内的平均速度； tc表示预测滑坡失 稳时间； t表示某一观测时刻； A表示材料的蠕变加速相关的常数； εm表示模型误差， 服从均 值 μm＝0， 标准差为σm的正态分布， 即 εm～N(0, σm)； 模型误差 εm的标准差σm服从σm～U(0， 5)； 利用逆速度模型的预测值与观测值之间的关系建立似然函数， 具体如下： 其中， 表示正态分布的概率密度函数； θ＝{A， tc， σm}； D＝{d1， d2， ...， di}， di表示ti (i＝1,2,...， n)观测时间节点观测到的变形速度的倒数； 通过贝叶斯理论， 得到各随机变量的后验分布： fpost( θ|D)∝l( θ|D)fprior( θ )； 采用蒙特卡洛马尔科夫链抽样技术对θ的后验分布进行求解， 得到滑坡失稳时间的后 验分布。 3.根据权利要求1所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法， 其特征 在于， 对典型监测点的在各个观测时间节点的变形速度进行处理， 确定滑坡加速阶段的起 点时间节点， 包括： 通过短期移动平均法和长期移动平均法， 对典型监测点的在各个观测时间节点的变形 速度进行处 理， 具体计算公式如下： 其中： 表示处理后t时刻的速度； vt表示处理前t时刻的速度； 短期移动平均n＝3； 长期 移动平均n ＝7； 根据处理后的变形速度数据， 判断滑坡是否进入加速阶段， 具体判断方式如下：权　利　要　求　书 1/3 页 2 CN 115510578 A 2其中， 表示通过 短期移动平均法处理后t时刻的速度； 表示通过长期移动平均法处 理后t时刻的速度； 若经判断， 滑坡进入加速阶段， 则将 的前一个观测时间节点作为滑坡加速阶段 的起点时间节点。 4.根据权利要求1 ‑3任一项所述的基于InSAR近实时监测的滑坡失稳时间概率预测方 法， 其特征在于， 所述方法还 包括： 根据预测滑坡失稳时间的后验分布的累积分布函数， 确定预设数量个概率区间以及对 应的预警等级； 根据所述预警等级输出滑坡预警信息 。 5.根据权利要求4所述的基于InSAR近实时监测的滑坡失稳时间概率预测方法， 其特征 在于， 所述获取高精度滑坡变形信息， 包括： 通过StaMP S‑SABS技术对滑坡的变形情况进行监测， 得到高精度滑坡变形信息 。 6.一种基于InSAR近实时监测的滑坡失稳时间概率预测装置， 其特征在于， 所述装置包 括： 变形信息获取模块， 用于获取高精度滑坡变形信息， 所述高精度滑坡变形信息至少包 括： 位移和变形速度； 典型监测点确定模块， 用于确定典型监测点； 起点时间节点确定模块， 用于对典型监测点的在各个观测时间节点的变形速度进行处 理， 确定滑坡加速阶段的起 点时间节点； 处理模块， 用于基于逆速度模型， 以及所述典型监测点在起点时间节点之后的各个观 测时间节点的变形速度， 通过贝叶斯理论得到滑坡失稳时间的后验分布； 预测模块， 用于根据滑坡失稳时间的后验分布， 预测在90％置信区间下的滑坡失稳时 间窗口。 7.根据权利要求6所述的基于InSAR近实时监测的滑坡失稳时间概率预测装置， 其特征 在于， 所述处 理模块， 具体用于： 确定逆速度模型， 所述逆速度模型由下式表示： 其中， R表示某时间段内的速度倒数； v表示某时间段内的平均速度； tc表示预测滑坡失 稳时间； t表示某一观测时刻； A表示材料的蠕变加速相关的常数； εm表示模型误差， 服从均 值 μm＝0， 标准差为σm的正态分布， 即 εm～N(0, σm)； 模型误差 εm的标准差σm服从σm～U(0， 5)； 利用逆速度模型的预测值与观测值之间的关系建立似然函数， 具体如下： 其中， 表示正态分布的概率密度函数； θ＝{A， tc， σm}； D＝{d1， d2， ...， di}， di表示ti权　利　要　求　书 2/3 页 3 CN 115510578 A 3