首页> 中国专利> 基于混合高斯隐马尔科夫模型的滑坡发生时间预测方法

基于混合高斯隐马尔科夫模型的滑坡发生时间预测方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开的基于混合高斯隐马尔科夫模型的滑坡发生时间预测方法，首先通过安装在坡体上的激光位移传感器采集滑坡体的位移数据，并对采集的位移数据在时序方向上进行多状态划分；然后，将划分后的位移数据通过Baum‑welch算法进行训练，获得多状态MOG‑HMM模型，并对已划分的状态进行标记；最后，采用Viterbi算法对实时采集的位移数据进行当前状态估计，并将当前估计状态作为Dijkstra算法的输入，从而预测出滑坡的发生时间。本发明公开的方法根据滑坡演化过程中的位移数据，推演出当前滑坡演化状态，并计算出滑坡灾害发生的时间，提升了一般HMM方法在预测中的鲁棒性性能，提高了地质灾害预报的准确性。

著录项

公开/公告号CN109783889A

专利类型发明专利
公开/公告日2019-05-21

原文格式PDF
申请/专利权人西安工程大学;
展开▼

申请/专利号CN201811599692.0
发明设计人李丽敏;李涛;温宗周;郭伏;陈曙东;张顺峰;陈鹏年;张峪维;
展开▼

申请日2018-12-26
分类号
代理机构西安弘理专利事务所;
代理人涂秀清
地址 710048 陕西省西安市金花南路19号
入库时间 2024-02-19 10:46:47

法律信息

法律状态公告日

法律状态信息

法律状态
2019-06-14

实质审查的生效 IPC(主分类):G06F17/50 申请日:20181226

实质审查的生效
2019-05-21

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于混合高斯隐马尔科夫模型的滑坡发生时间预测方法 [P] . 中国专利： CN109783889A . 2019-05-21
2. 基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法 [P] . 中国专利： CN110852281A . 2020-02-28
3. SATELLITE SEA-FOG DETECTION SYSTEM USING THE GAUSSIAN MIXTURE MODE, AND FOG DETECTION METHOD WITH UNSUPERVISED LEARNING MODE BASED ON GAUSSIAN MIXTURE MODEL [P] . 韩国专利： KR20160019788A . 2016-02-22

机译：高斯混合模型的卫星海雾检测系统及基于高斯混合模型的无监督学习模式的雾检测方法
4. Satellite sea-fog detection system using the gaussian mixture mode and fog detection method with unSupervised Learning mode based on gaussian mixture model [P] . 韩国专利： KR101620068B1 . 2016-05-11

机译：基于高斯混合模型的高斯混合模式和无监督学习雾检测方法的卫星海雾检测系统
5. LANDSLIDE PREDICTION METHOD AND DEVICE BASED ON TRAINING MODEL [P] . 世界知识产权组织专利： WO2020151226A1 . 2020-07-30

机译：基于训练模型的滑坡预测方法及装置