摘要
本发明提出了一种基于InSAR的开采沉陷盆地信息提取方法及系统,涉及矿区监测领域,具体方案包括:获取待监测矿区的InSAR干涉图;将InSAR干涉图输入到训练好的深度学习网络模型中,提取开采沉陷盆地信息;其中,所述深度学习网络模型的训练数据集,包括真实训练数据集和模拟训练数据集,所述真实训练数据集是采用差分干涉测量与静态概率积分法结合的方式求取真实的开采沉陷盆地信息进而构建的,所述模拟训练数据集是利用动态概率积分法模拟开采沉陷相位,再结合柏林噪声和高斯噪声模型构建的;本发明基于真实训练数据集和模拟训练数据集,对深度学习网络模型进行充分的训练,提高开采沉陷盆地信息提取的准确性和效率。
技术关键词
概率积分法
深度学习网络模型
信息提取方法
柏林噪声
地表沉降值
计算机可读指令
噪声模型
开采沉陷预计
残差网络
数据
特征提取模块
动态
非暂时性
干涉测量方法
信息提取系统
卷积模块
标签
合成孔径雷达
多尺度信息
样本
系统为您推荐了相关专利信息
智能决策系统
需求预测模型
数据采集终端
生理参数监测
老年人
深度学习网络模型
生成对抗网络
多模态
医学图像融合方法
多尺度特征
运算优化方法
自定义算子
深度学习网络模型
问答模型
深度学习框架
后向散射系数
微波辐射计
海面风场反演
风速
反演模型