基于泰森多边形的InSAR相位解缠方法

    公开(公告)号:CN118859204A

    公开(公告)日:2024-10-29

    申请号:CN202410932593.9

    申请日:2024-07-12

    摘要: 本发明公开了基于泰森多边形的InSAR相位解缠方法,属于相位解缠技术领域;包括以下步骤:S1、根据相干性系数阈值选取相位,构成高质量相位集合;S2、根据高质量相位的实际分布情况,利用凝聚型层次聚类的方法进行簇间泰森多边形的生成,再逐类生成簇内泰森多边形;S3、识别所建泰森多边形中的残差点,把枝切线布设问题转换为运筹学指派问题,并应用目标值子矩阵法求解,生成枝切线;S4、通过路径积分的方法得到解缠结果。本发明引入泰森多边形,以解决高质量相位集合无法构成传统规则矩阵的问题,避免了噪声较大区域对整体解缠结果的影响;把枝切线布设问题转换为运筹学指派问题,所用目标值子矩阵法效率更高。

    一种基于VMD-Informer的小尺度干旱时间序列数据预测方法

    公开(公告)号:CN117076865A

    公开(公告)日:2023-11-17

    申请号:CN202311153660.9

    申请日:2023-09-08

    摘要: 本发明公开了一种基于VMD‑Informer的小尺度干旱时间序列数据预测方法,涉及干旱时间序列数据预测技术领域,包括以下步骤:步骤1、数据准备:收集干旱相关的历史数据,并进行预处理和清洗,确保数据质量;步骤2、VMD分解:对预处理后的SPEI1时间序列数据进行VMD分解,将其分解成多个固有模态函数;步骤3、特征提取:从VMD分解后的每个固有模态函数中提取特征,并将其作为Informer模型的输入,特征提取可以使用滑动窗口方法来提取时间序列的局部特征,特征提取的目的是从原始数据中提取有用的特征来描述数据的特性;将VMD和Informer结合,可以有效地解决Informer在处理长序列、多尺度信息和异常数据鲁棒性方面存在的缺点,提高小尺度干旱数据预测的准确性和可靠性。