本發(fā)明涉及數(shù)據(jù)分析，特別是基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法。

背景技術(shù)：

1、隨著視頻監(jiān)控技術(shù)的發(fā)展，圖像傳輸與記錄系統(tǒng)在各行各業(yè)中得到廣泛應(yīng)用，尤其在安全監(jiān)控、交通管理、工業(yè)生產(chǎn)等領(lǐng)域中發(fā)揮著至關(guān)重要的作用。傳統(tǒng)的圖像傳輸記錄儀通常用于實(shí)時(shí)捕捉并記錄圖像數(shù)據(jù)流，并將其傳輸至存儲介質(zhì)或云端服務(wù)器。然而，隨著圖像數(shù)據(jù)量的劇增，如何高效地處理這些大量圖像數(shù)據(jù)成為亟待解決的問題。為了提高數(shù)據(jù)處理效率，圖像傳輸記錄儀的技術(shù)不斷發(fā)展，加入了如壓縮編碼、圖像差分分析、事件驅(qū)動數(shù)據(jù)捕捉等功能。這些技術(shù)可以有效減少數(shù)據(jù)存儲需求，優(yōu)化網(wǎng)絡(luò)帶寬的使用，并提高數(shù)據(jù)處理的實(shí)時(shí)性。

2、然而，隨著數(shù)據(jù)規(guī)模的快速增長和應(yīng)用場景的復(fù)雜化，如何高效處理異常數(shù)據(jù)并從中提取有價(jià)值的特征成為亟待解決的問題。在傳統(tǒng)地理信息處理方法中，異常數(shù)據(jù)的清洗通常依賴簡單的規(guī)則設(shè)定或人工干預(yù)，如基于固定閾值對數(shù)據(jù)進(jìn)行篩選和過濾。然而，這種方法難以應(yīng)對復(fù)雜、多變的實(shí)際環(huán)境中出現(xiàn)的高噪聲、非線性異常數(shù)據(jù)。尤其在分布式數(shù)據(jù)采集中，由于設(shè)備環(huán)境、傳感器精度等多種因素的影響，異常數(shù)據(jù)的比例較高，直接影響了后續(xù)數(shù)據(jù)分析的可靠性和有效性。

3、在特征提取方面，現(xiàn)有技術(shù)多依賴傳統(tǒng)的統(tǒng)計(jì)學(xué)方法或淺層學(xué)習(xí)模型，這些方法在處理小規(guī)模、低復(fù)雜度的數(shù)據(jù)集時(shí)具有一定優(yōu)勢，但面對海量的地理信息數(shù)據(jù)和多維特性時(shí)表現(xiàn)出明顯的局限性。具體而言，現(xiàn)有方法難以充分利用數(shù)據(jù)間潛在的復(fù)雜關(guān)聯(lián)結(jié)構(gòu)，無法從噪聲中精準(zhǔn)識別出高價(jià)值特征。此外，傳統(tǒng)特征提取方法對變化模式的感知能力較弱，特別是在快速變化的地理環(huán)境中，往往導(dǎo)致變化區(qū)域識別結(jié)果的不準(zhǔn)確，進(jìn)而影響實(shí)時(shí)更新和分析的整體性能。這些問題顯著限制了地理信息技術(shù)在應(yīng)急管理、環(huán)境監(jiān)測等高實(shí)時(shí)性、高可靠性場景中的應(yīng)用效果。

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有技術(shù)中存在的問題，本發(fā)明提出了基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法。

2、因此，本發(fā)明提供了基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法，能夠解決背景技術(shù)中提到的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法，其包括：

5、通過分布式傳感器采集地理信息數(shù)據(jù)，將所述地理信息數(shù)據(jù)按照時(shí)間戳和地理坐標(biāo)進(jìn)行標(biāo)記，生成帶標(biāo)記的地理信息數(shù)據(jù)；

6、將所述帶標(biāo)記的地理信息數(shù)據(jù)傳輸至云服務(wù)器并清洗，得到清洗后的地理信息數(shù)據(jù)；

7、基于深度學(xué)習(xí)模型對所述清洗后的地理信息數(shù)據(jù)進(jìn)行特征提取，形成地理特征數(shù)據(jù)集；

8、將所述地理特征數(shù)據(jù)集與歷史地理信息數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行對比分析，識別地理信息變化區(qū)域，生成地理信息變化報(bào)告，并實(shí)時(shí)更新；

9、根據(jù)所述地理信息變化報(bào)告建立地理信息預(yù)警指標(biāo)體系，當(dāng)檢測到地理信息變化超過預(yù)設(shè)閾值時(shí)，向終端設(shè)備推送預(yù)警信息；

10、所述深度學(xué)習(xí)模型包括地形特征提取分支、植被覆蓋度分析分支和水文信息處理分支；

11、所述地形特征提取分支提取的特征包括坡度、坡向、曲率、粗糙度和地貌類型；

12、所述植被覆蓋度分析分支提取的特征包括植被密度、生長狀態(tài)、覆蓋類型和季節(jié)性變化；

13、所述水文信息處理分支提取的特征包括徑流量、匯水面積、水系連通性和流向分布。

14、作為本發(fā)明所述基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法的一種優(yōu)選方案，其中：所述地理信息數(shù)據(jù)包括地表高程數(shù)據(jù)、土壤含水量數(shù)據(jù)、植被覆蓋度數(shù)據(jù)和地質(zhì)層理數(shù)據(jù)；

15、所述分布式傳感器包括地表形態(tài)傳感器、土壤濕度傳感器、植被覆蓋傳感器和地質(zhì)結(jié)構(gòu)傳感器。

16、作為本發(fā)明所述基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法的一種優(yōu)選方案，其中：得到所述清洗后的地理信息數(shù)據(jù)包括：

17、驗(yàn)證所述帶標(biāo)記的地理信息數(shù)據(jù)的完整性，若所述帶標(biāo)記的地理信息數(shù)據(jù)驗(yàn)證完整性失敗，則觸發(fā)自動重傳機(jī)制；

18、對于驗(yàn)證通過的所述帶標(biāo)記的地理信息數(shù)據(jù)進(jìn)行數(shù)據(jù)清理，得到清洗后的地理信息數(shù)據(jù)；

19、所述數(shù)據(jù)清理包括異常值檢測與剔除、重復(fù)數(shù)據(jù)去除、數(shù)據(jù)補(bǔ)全處理、數(shù)據(jù)標(biāo)準(zhǔn)化處理以及噪聲平滑處理；

20、其中，所述異常值檢測與剔除根據(jù)計(jì)算馬氏距離進(jìn)行判定，所述馬氏距離的計(jì)算如下式所示：；

21、其中：；；其中，為待檢測數(shù)據(jù)點(diǎn)到數(shù)據(jù)分布中心的標(biāo)準(zhǔn)化距離，為待檢測數(shù)據(jù)點(diǎn)，為時(shí)間窗口內(nèi)的均值向量，為協(xié)方差矩陣，為當(dāng)前時(shí)間，為參考時(shí)間點(diǎn)，為空間距離，和為調(diào)節(jié)參數(shù)。

22、作為本發(fā)明所述基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法的一種優(yōu)選方案，其中：所述地形特征提取分支的主干網(wǎng)絡(luò)包括多個殘差塊組，所述殘差塊組中的殘差塊的計(jì)算可采用下式表示：；

23、其中：；；；其中，為第個分支的權(quán)重矩陣，用于特征變換，為特征變換函數(shù)，為注意力權(quán)重函數(shù)，為激活函數(shù)，采用relu，bn為批量歸一化操作，為3×3×3的三維卷積操作，為1×1×1的三維卷積操作，為全局平均池化操作，,?為全連接層權(quán)重矩陣，,?為偏置項(xiàng)，為特征調(diào)制函數(shù)。

24、作為本發(fā)明所述基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法的一種優(yōu)選方案，其中：所述植被覆蓋度分析分支包括特征融合機(jī)制，所述特征融合機(jī)制可采用下式表示：；

25、其中，為第層的特征圖，為第層的特征圖，為第層的特征變換函數(shù)，為第層的上采樣操作符，為第層的上采樣操作符，為第層的上采樣操作符，含可學(xué)習(xí)參數(shù)，為網(wǎng)絡(luò)層級索引，，[·]為特征拼接操作。

26、作為本發(fā)明所述基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法的一種優(yōu)選方案，其中：所述水文信息處理分支可采用下式表示：；

27、其中：；；其中，為輸出特征矩陣，為添加自連接的鄰接矩陣，維度[n,?n]，為度矩陣，對角矩陣，為輸入節(jié)點(diǎn)特征矩陣，維度[n,?c]，為可學(xué)習(xí)參數(shù)矩陣，維度[c,?f]，為時(shí)間調(diào)制因子，為時(shí)間衰減系數(shù)，為周期調(diào)制強(qiáng)度，為周期調(diào)制頻率，為hadamard積。

28、作為本發(fā)明所述基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析方法的一種優(yōu)選方案，其中：所述地理信息變化報(bào)告包括變化區(qū)域的空間分布特征、變化要素的定量特征和變化趨勢的綜合分析；

29、所述變化區(qū)域的空間分布特征包括重點(diǎn)變化區(qū)域的空間坐標(biāo)和范圍界限，采用分級表達(dá)方式展示變化強(qiáng)度的空間分布，統(tǒng)計(jì)各類變化區(qū)域的面積和比例；并以表格形式列出重點(diǎn)變化區(qū)域的具體位置信息，包括中心坐標(biāo)、變化面積和主要變化類型，同時(shí)通過熱力圖展示變化的空間集聚特征；

30、所述變化要素的定量特征分別包括地形要素、植被要素和水文要素的定量特征；所述地形要素的定量特征包括高程變化量、坡度變化幅度、地貌形態(tài)改變程度的統(tǒng)計(jì)數(shù)據(jù)；所述植被要素的定量特征包括植被覆蓋度變化率、不同植被類型間的轉(zhuǎn)換面積矩陣、生長狀態(tài)異常區(qū)域的分布特征；所述水文要素的定量特征包括水體面積消長情況、河網(wǎng)密度變化值、水系連通性改變程度。

31、第二方面，本發(fā)明提供了基于云計(jì)算的地理信息實(shí)時(shí)更新與智能分析系統(tǒng)，其包括：

32、采集數(shù)據(jù)模塊，用于通過分布式傳感器采集地理信息數(shù)據(jù)，將所述地理信息數(shù)據(jù)按照時(shí)間戳和地理坐標(biāo)進(jìn)行標(biāo)記，生成帶標(biāo)記的地理信息數(shù)據(jù)；

33、預(yù)處理模塊，用于將所述帶標(biāo)記的地理信息數(shù)據(jù)傳輸至云服務(wù)器并清洗，得到清洗后的地理信息數(shù)據(jù)；

34、特征提取模塊，用于基于深度學(xué)習(xí)模型對所述清洗后的地理信息數(shù)據(jù)進(jìn)行特征提取，形成地理特征數(shù)據(jù)集；

35、分析模塊，用于將所述地理特征數(shù)據(jù)集與歷史地理信息數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行對比分析，識別地理信息變化區(qū)域，生成地理信息變化報(bào)告，并實(shí)時(shí)更新；

36、預(yù)警模塊，用于根據(jù)所述地理信息變化報(bào)告建立地理信息預(yù)警指標(biāo)體系，當(dāng)檢測到地理信息變化超過預(yù)設(shè)閾值時(shí)，向終端設(shè)備推送預(yù)警信息。

37、本發(fā)明有益效果為通過多層次、多階段的異常數(shù)據(jù)處理與特征提取，實(shí)現(xiàn)了地理信息數(shù)據(jù)的精準(zhǔn)化管理與高效分析。在數(shù)據(jù)處理階段，采用改進(jìn)的滑動窗口馬氏距離算法對異常值進(jìn)行精準(zhǔn)檢測，結(jié)合雙重時(shí)空權(quán)重函數(shù)有效捕捉地理信息數(shù)據(jù)中的時(shí)空異常特征，大幅提高了異常檢測的準(zhǔn)確率并降低誤報(bào)率。在特征提取階段，基于深度學(xué)習(xí)的多分支網(wǎng)絡(luò)結(jié)構(gòu)，針對地形、植被、水文等不同維度，分別提取多樣化、細(xì)粒度的特征信息，例如地形的坡度、曲率，植被的密度、健康度，以及水文的流量、連通性等，從而形成全面的地理特征數(shù)據(jù)集。此外，方案通過歷史數(shù)據(jù)對比，深入分析了變化的時(shí)空特征和關(guān)聯(lián)關(guān)系，最終提供了一套高可靠性的地理信息預(yù)警指標(biāo)體系，能夠動態(tài)響應(yīng)變化趨勢，為地理環(huán)境監(jiān)測與管理提供科學(xué)依據(jù)。