基于强化学习增强卡尔曼滤波的边坡位移监测方法及系统

本发明提供一种基于强化学习增强卡尔曼滤波的边坡位移监测方法及系统，方法包括：对北斗采集的位移数据进行预处理，执行异常值剔除、缺失值插补及时间一致性检查；建立包含位移和速度状态向量的卡尔曼滤波模型，初始化过程噪声协方差矩阵Q和观测噪声协方差矩阵R作为初始滤波参数；通过PPO强化学习算法动态优化Q、R矩阵，实现参数自适应调整；对滤波输出数据进行位移趋势分析，采用统计检验与趋势拐点识别算法标记异常趋势数据，将其均方根误差反馈至PPO算法进行参数再调整；基于滑动窗口技术分析数据阶段性变化，在PPO中为不同阶段数据设置独立经验回放缓冲区，实现滤波参数的关联更新。本发明提高了边坡位移监测的精度与可靠性。