摘要
本申请涉及了一种基于多模态数据的堤防渗漏风险预警方法和装置,本方法通过堤防表面温度、LiDAR和堤防表面状态等表面数据精确构建三维模型;然后基于三维模型提供的堤身几何参数,采用物理规律生成能够反映堤防渗漏过程的模拟数据,并基于三维模型模拟生成耦合数据;然后基于耦合数据结合多层次特征融合的时空图卷积神经网络,同时基于模拟数据约束时空图卷积神经网络的预测结果,能够实现渗漏异常的时空关联分析与提升渗漏风险预测的准确度;最后基于堤防预警参数匹配对应的应急预警响应。本方法能够实现多源数据的高效融合与物理规律的数据驱动结合,有效提升渗漏预警的准确性与时效性,最终降低发生堤防渗漏险情的风险。
技术关键词
时空图卷积神经网络
堤防
风险预警方法
多模态
时间序列特征
三维模型模拟
数据
节点特征
门控循环单元
多传感器
计算机可执行指令
多层次特征融合
参数
风险预警装置
网格
指数
物理
可读存储介质
系统为您推荐了相关专利信息
蛋白质构象变化
深度生成模型
动态时空特征
噪声预测
注意力
真空吸附单元
建筑检测系统
压电传感器阵列
吸附模块
电磁
区块链存证
模块
私有区块链网络
云端
知识图谱推理