[发明专利]一种基于动态时间规整与k-means聚类的边坡形变区域划分方法

权利要求书

1.一种基于动态时间规整与k-means聚类的边坡形变区域划分方法，其特征在于，包括以下步骤：

S1：在待监测边坡区域中，选取监测时间区间内累计位移量绝对值最大的监测点作为基准点；

S2：采用移动平均法分别从基准点与待监测边坡区域内其余监测点对应的位移时间序列中提取基准点与其余监测点的趋势项位移；

S3：分别对其余监测点的趋势项位移进行求导，得到其余监测点的变形速率序列，再将变形速率序列中变形速率零值的占比小于门限值的监测点作为备选监测点；

S4：采用动态时间规整算法分别获取各备选监测点的趋势项位移与基准点的趋势项位移之间的DTW相似度矩阵；

S5：将DTW相似度矩阵与监测时间区间内的累计位移量作为各备选监测点与基准点在k-means无监督聚类算法中对应的特征向量，并设定两个以上的类簇数目，再分别在不同类簇数目下，根据确定好特征向量的k-means无监督聚类算法对各备选监测点与基准点进行分类，得到各类簇数目对应的分类结果；

S6：按照设定的评价指标分别对各类簇数目对应的分类结果进行评估，将最大评估值对应的类簇数目作为边坡形变区域被划分的类别数，并将该类簇数目对应的分类结果作为边坡形变区域的划分结果。

2.如权利要求1所述的一种基于动态时间规整与k-means聚类的边坡形变区域划分方法，其特征在于，步骤S2中所述的基准点与其余监测点的趋势项位移的提取方法为：

S21：将基准点对应的位移时间序列表示为其余监测点对应的位移时间序列表示为其中，N为监测时间区间内的监测周期数量，m为监测点的序号；

S22：根据各监测点对应的位移时间序列来获取各监测点在第n个监测周期的移动平均结果得到各监测点的趋势项位移其中，移动平均结果的计算公式如下：

其中，T为移动平均法中设定的滑动周期，表示第m个监测点在第n个监测周期的累计位移量，且n＝T,T+1,…,N；

S23：根据基准点对应的位移时间序列来获取基准点在第n个监测周期的移动平均结果得到基准点的趋势项位移其中，移动平均结果的计算公式如下：

其中，表示基准点在第n个监测周期的累计位移量。

3.如权利要求1所述的一种基于动态时间规整与k-means聚类的边坡形变区域划分方法，其特征在于，采用Max-Min归一化方法对各备选监测点的趋势项位移与基准点的趋势项位移进行归一化后，再采用动态时间规整算法分别获取各备选监测点的趋势项位移与基准点的趋势项位移之间的DTW相似度矩阵。