1.一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s1、数据获取中,通过差分干涉测量结果与无人机航测点云模型配准,得到从历史某时刻至当前时刻的区域监测数据,每个区域监测点的监测数据包含xi、yi、zi的空间坐标值以及位移时间序列,位移时间序列为由不同监测时刻以及该监测点在不同监测时刻对应的位移数据所组成的数据序列。
3.根据权利要求1所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s2、数据预处理中,缺失值填充的具体方法为:若区域监测数据存在部分监测点若干时刻缺失位移数据,缺失的位移数据通过追溯前后监测时刻的位移数据进行线性插值填充,若缺失的位移数据为序列的首尾数据,可选择相邻监测时刻的位移数据进行填充;若某个监测点缺失的位移数据占比超过50%,可舍弃该监测点。
4.根据权利要求1所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s2、数据预处理中,等时间长度位移量合并的方法为:选取不同时间跨度对同一监测点的位移数据进行累加合并,从而组成最小位移时间序列,选取的时间跨度称为最小周期。
5.根据权利要求4所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s2、数据预处理中,位移时间序列中位移数据的空间属性归一化处理方法为:
6.根据权利要求1所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s3、特征参数提取中,通过主成分分析法降低数据维度的方法为:
7.根据权利要求6所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s3、特征参数提取中,使用k距离法得到初始特征参数的方法为:选取初始k值,通常为2*q-1,其中q为主成分分析法降维后的维度;
8.根据权利要求6所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s4、参数优化中,使用dbscan聚类算法对雷达监测点进行聚类,具体方法为:
9.根据权利要求8所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s4、参数优化中,根据轮廓系数法判断聚类效果优劣,并对聚类参数进行评价与优化,轮廓系数公式为:
10.根据权利要求1所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s5、结果分析包括以下步骤:
11.根据权利要求10所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s53具体包括以下步骤:
12.根据权利要求10所述的一种基于dbscan聚类算法的边坡雷达监测预警方法,其特征在于,所述s54具体包括以下步骤: