基于SBAS-InSAR技术和LSTM-GS模型的矿区开采沉陷预测

以鄂尔多斯东部某碳矿的3014工作面作为研究对象,利用2018-09-15～2019-02-18的14景SAR数据对矿区进行监测,将小基线集技术（SBAS-InSAR）得到的时序累积沉降量作为训练样本,并与网格搜索算法（GS）优选超参数的长短期记忆网络（LSTM）进行结合,对矿区开采沉陷做出预测。结果表明：SBAS-InSAR技术反演值能够满足矿区开采沉陷预测,结合LSTM-GS模型对矿区开采沉陷进行预测,得到的最大均方根误差为3.569 3 mm,最大平均绝对误差为3.252 4 mm,最小决定系数为0.57,说明该模型预测精度能够满足工程需求。     

矿区开采沉陷预计实现与可视化表达

对矿区开采沉陷预计的基本原理和Arc GIS?Engine编程的特点与方法进行阐述。结合概率积分法在矿区开采沉陷预计中的应用,探索矿区开采沉陷预计可视化的表达方法。在矿区沉陷监测数据管理和预计分析系统开发的基础上,应用C#语言进行Arc GIS?Engine组件式编程,实现了矿区开采沉陷预计的功能程序模块。将此功能模块与沉陷监测数据管理模块集成后,提高了工作效率。此方法可为后续软件的设计与开发提供借鉴。     

基于ArcGIS Engine的开采沉陷预计系统

开采沉陷是一种复杂的三维动态过程,涉及的资料信息复杂繁多,使得信息处理和空间综合分析十分复杂。研究基于ArcGIS Engine的开采沉陷预计的模型能够实现矿区数据信息的地理空间可视化和沉陷预计分析显示,及时掌握开采沉陷预计的规律和发展趋势,从各评价指标的细节层次和总体两方面评价此矿区的开采状况,为煤矿各相关部门和领导制定更好的发展决策提供支持。     

基于模糊聚类的开采沉陷参数预计模型

针对由于岩移观测数据资料缺失或不准确而导致开采沉陷预计参数求取不精确的问题,本文提出一种基于模糊聚类的开采沉陷参数预计模型。首先,根据相似第三定理对地矿特征进行了分析简化;其次,利用方程分析法、量纲分析法进行特征提取,得到特征方程;然后,对原有模糊聚类方法进行改进,得到基于竞争合并策略的IWFCM_CCS算法的模糊聚类方法;最后,对岩移观测数据进行模糊聚类分析,得出观测站数据的隶属度矩阵和聚类中心,建立了基于隶属度权重的回归模型。通过与矿区实测数据和模型预计结果的对比分析,验证了所提参数预计模型的准确性和可行性。该模型减小了观测数据导致的预计参数求取误差,可为以后的预计参数求取提供参考。     

基于Python的开采沉陷预计算法

开采沉陷预计在矿山资源开发利用中具有重要作用.利用Python的scipy科学计算模块实现了开采造成的地表任意点移动变形预计,从概率积分函数构造、影响圆、数组通用函数、坐标系选择和预计点密度设计等技术途径研究了程序优化的方法,从而达到提高预计效率的目的,并采用matplotlib绘图模块实现了变形等值线图、等值线云图和三维曲面图的绘制.研究结果对采用VC++等其他平台进行沉陷预计程序开发有一定参考价值.     

概率积分法开采沉陷预计的GIS实现

以概率积分法为预计模型,对研究区可能的沉陷趋势进行预计,然后与GIS耦合,利用新一代的ArcGIS数据存储格式——Geodatabase建库,以整合目标区地形图、矿区图以及户籍信息等,为沉陷预计和信息管理做准备,然后利用预计模型求得的下沉参数实现沉陷范围和趋势的可视化,以方便信息的综合管理和其他决策。     

基于短基线集技术的矿区开采沉陷监测研究

随着矿产资源的开采规模、范围不断增加,监测矿区开采沉陷显得越来越重要。作为差分干涉测量技术(D-InSAR)的重要分支,短基线技术(Small Baseline Subset,SBAS)理论上能有效地监测城市沉降,但未应用于监测矿区的开采沉陷。它是将多幅SAR影像组合成若干个基线距较短的干涉对并利用奇异值分解(SVD)方法获取形变。本文利用12幅ERS-1/2 SAR影像(1995.4-1998.8)组成20组干涉对,采用短基线技术对江苏某矿区的开采沉陷进行监测。实验表明,短基线技术能较为有效地监测矿区的开采沉陷,但在现阶段尚不能应用于生产工作中。根据本次实验结果,总结出限制短基线技术应用于监测矿区开采沉陷的两大因素。     

基于概率积分法的矿区地表沉陷预计分析

为了预防矿区开采造成的沉陷及其诱发的自然地质灾害,进行必要的沉陷预计工作。以兖州某煤矿10303工作面开采为例,选取适宜本区域的概率积分法作为预计模型,采用该矿地表观测站实测分析得到的岩移参数作为预计参数,进行地表移动变形预计,根据预计结果绘制村庄地表破坏分区图,并根据临界变形值标准划分实际的地表破坏等级范围,为进一步确定开采方案提供参考。     

地表沉陷预计参数精度分析

针对开采沉陷预计参数的误差造成预计结果偏差的问题,该文提出一种研究开采沉陷预计参数精度的方法。在真值基础上,将预计参数按照0.5%的步距增大和减小后分别预计地表下沉值,分析得出预计参数的误差会对预计结果造成的偏差;通过反分析得出测量误差对预计参数产生的影响。实验结果表明:预计参数每变化0.5%,下沉值中误差占最大下沉值的0.8%,且倾向方向的下沉值中误差是走向方向下沉值中误差的两倍;下沉值测量中误差与预计参数误差之间成线性关系。研究结果为测量时的精度控制提供了依据,从而为预测计算提供可靠的预计参数。     

InSAR矿区地表三维形变监测与预计研究进展

首先,介绍了InSAR地表形变监测技术的基本原理和技术特点;然后,对当前InSAR矿区地表三维形变监测方法做了系统性分类,并探讨了各自的优缺点和适用范围;之后,综述了当前InSAR矿区地表三维形变预计方法的研究现状和进展;最后,归纳梳理了InSAR矿区三维形变监测预计在多源数据融合和沉降机理分析等方面的前沿问题。     

融合D-InSAR与GIS技术的矿区开采沉陷形变监测及预测方法

针对合成孔径雷达差分干涉测量（D-InSAR）技术能监测大范围地表形变信息,但单一的D-InSAR技术不能精确分析沉降分布的范围和位置的问题,本文以淮北袁店二矿为例,首先选择2015年4—5月2景C波段Radarsat-2和7—12月6景Sentinel-1卫星影像数据作为干涉影像数据构成6个干涉影像对,通过二轨法对其进行差分干涉处理和相位解缠提取干涉形变图;然后将D-InSAR差分干涉图与开采平面、开采计划图导入ArcGIS进行叠加,分析矿区开采沉陷区域的空间动态分布位置并进行定量分析;最后采用灰色理论模型进行预测。结果表明：D-InSAR叠加分析图能反映出在煤炭开采过程中沉降区域位置和分布范围;D-InSAR预测值与实测值最大相对误差和方差比分别为11.5%和0.097。     

InSAR和改进支持向量机的沉陷预测模型分析

针对传统开采沉陷监测方法的缺陷和现有预测模型精度较低的问题,该文提出了一种基于SBAS-InSAR和差分进化混合灰狼优化算法(DEGWO)优化支持向量机回归(SVR)的预测模型,利用2018年10月-2020年3月的44景Sentinel-1A数据对陕西彬长矿区孟村煤矿进行开采沉陷监测,得到该矿区的年平均沉降速率和时间序列累积沉降值.SBAS-InSAR监测结果表明,该矿区年平均沉降速率最高达到了211 mm/a,最大累积形变量达到335 mm.用矿区GPS数据对InSAR处理结果进行验证,拟合效果较好.并将预测结果与传统SVR预测模型以及灰色GM(1,1)模型的预测结果进行对比,DEGWO-SVR模型的绝对误差、相对误差以及均方根误差,均为三者最小.说明了差分进化混合灰狼优化算法能够起到很好的参数优化效果,该方法优化的SVR预测模型能够在矿区开采沉陷预测中得到应用.     

条带开采地表沉陷预计参数的确定

概率积分法是条带开采地表移动和变形预计常用的方法,而概率积分法预计的精度取决于其预计参数的确定。以国内大量的条带开采实测资料为基础,应用相似理论对条带开采地表沉陷的相似现象进行了模糊聚类分析,计算出了条带开采地表沉陷预计参数。根据所得条带开采地表沉陷相似现象的分类及其地表沉陷预计参数,应用模式识别对待求条带开采地表沉陷预计参数进行了求取。工程实例表明,用模糊优化确定的预计参数进行条带开采地表移动和变形预计,其预计结果更加可靠、准确。     

利用时序InSAR监测兰州市中心城区地面沉降

针对兰州市中心城区的地面沉降问题,该文采用PS-SBAS和PS-InSAR技术,利用2016-01-20—2019-02-21时间段内的39景Sentinel-1A/B降轨数据,使用缓冲区分析技术对兰州市中心城区轨道交通线和铁路线周边100m区域做了沉降影响分析,监测结果表明:基于Sentinel-1A/B数据和时序InSAR技术,可以准确监测城市地表的沉降和轨道交通线的沉降时空规律;沉降区域主要集中在研究区东南部的方家泉村、和平镇和猪咀岭村;软土地基下地铁的施工会导致沉降现象的发生,兰州轨道交通线和铁路线的沉降主要发生在城区东南方向;在监测时段内,使用两种时序InSAR技术监测的同名点在沉降趋势和累计沉降量上保持了良好的一致性和吻合性,但PS-InSAR的时序变化曲线较PS-SBAS更为平缓。     

时序InSAR的连云港及盐城北部地表沉降研究

针对连云港和盐城北部等地区的地表沉降问题,该文基于改进的多主影像相干目标小基线干涉技术,并利用多时相ALOS PALSAR和Radarsat-2干涉影像研究该地区的地表沉降。研究表明,虽然2007—2011年连云港及盐城北部地区整体地表状态相对稳定,但在连云港沿海地区和盐城市区存在明显沉降,最大沉降速率高达-80 mm/a;2012—2015年连云港市与盐城市北部地表沉降明显加剧,连云区和赣榆区持续发生沉降,灌云县、灌南县、响水县以及涟水县的成片沉降形成了大范围沉降漏斗,其中连云港市和盐城北部最大沉降速率分别为-76和-81mm/a;连云港与盐城北部地区沉降速率小于-10mm/a,其沉降区域面积分别达到了1 054.49和1 492.11km2,对当地社会、经济的危害不容忽视。     

融合InSAR技术的矿区大梯度形变研究

针对矿区开采沉陷沉降量级大、形变剧烈,传统InSAR技术监测过程易出现影像失相干,监测精度较低的问题,以山西省某矿区9103工作面为例,提出SBAS-InSAR和Offset-tracking技术联合监测的方法.采用SBAS-InSAR监测沉陷盆地边缘地区微小形变,采用Offset-tracking技术监测沉陷盆地中心区域大梯度形变,并将二者的形变信息进行融合,从而获得整个采掘工作面上方地表时空变化规律.研究表明,其监测结果与实测数据吻合度较好,满足开采沉陷监测的一般精度要求,融合SBAS-InSAR和Offset-tracking技术可以有效地解决传统InSAR技术只能监测微小形变的问题,为矿区开采沉陷大梯度形变监测以及环境治理提供新的理论思路.     

联合InSAR技术和地质数据反演普宁城区的地表沉降特征

地表沉降是全球性的地质灾害之一,地表的迅速沉降会导致地表塌陷,从而破坏地下管道及地表建筑,最后造成巨大的经济损失甚至人员伤亡。我国地下工程及地表建筑扩建规模较大,这种地质灾害问题尤为突出。目前,监测地表形变的方法有很多,如水准测量、GPS、InSAR技术等。但通常情况下这些技术只能对地表的高程变化进行定量分析,而无法寻找灾害发生的诱因,缺少对地表沉降时空特征的定性分析。本文以广东普宁地区为例,将InSAR技术与该地区的水文地质特征相结合,从而实现对地表沉降监测从数据采集、处理到成因分析的整个流程的把控。InSAR技术可以验证地质特征的合理性,而地质特征又可以对监测范围及监测周期进行更科学的指导。本文通过这种分析方法,既调查出普宁城区的沉降区域,又对其背后成因进行了系统性的分析,为后续的防治措施及国土空间规划提供了更科学的指导。     

大范围地表沉降时序深度学习预测法

地表沉降不仅影响社会经济的可持续发展,还威胁人类的生命安全.高精度的地表沉降预测对人类预防地质灾害具有重要意义.现有的预测方法因模型参数难以获取或相关数据的缺乏而难以得到可靠的预测结果,针对此问题,本文提出一种基于深度学习的地表沉降预测方法.首先采用多主影像相干目标小基线干涉技术MCTSB-InSAR获取大区域高精度地表形变时序反演结果;其次利用循环神经网络作为网络架构,用长短期记忆(LSTM)模型进行地表沉降特征学习;最后采用网格搜索的方法调整模型参数,进而获取最优的模型参数组合方案.实际观测结果显示,相较于现有地表沉降预测方法,本文提出的预测模型平均绝对误差(0.3 mm)至少降低了27.3％,差分沉降量平均预测精度至少提高了8.9％.空间格局分析的结果表明,LSTM模型对于大区域时序形变的短期预测是有效的.     

小波分析在开采沉陷区地表裂缝信息提取的应用

三维激光扫描技术作为一种新的测量手段具有高效率、高精度的特点。其获得的海量的测量数据里面存在大量的有用信息,如何从这些信息里面提取出所关心的数据是目前研究的一个热点。本文根据开采沉陷区地表裂缝三维激光扫描数据的特点,将小波分析用于地表裂缝位置的判别。与现场实测数据的比较表明,合适的小波基能够有效地识别出地表裂缝的位置,为接下来的治理工作提供技术支持。     

运用水准和InSAR的地面沉降监测数据融合方法

针对地面监测中水准和InSAR数据的优缺点,提出了沉降数据融合算法以及插值计算方法。采用数据融合方法对水准和InSAR进行融合,较好地解决了水准监测数据的时空分辨率低和InSAR数据中部分地区失相干的弊端,使融合后的数据能更好地描述地面沉降的现状,为更好地预测地面沉降的发展趋势,减少沉降灾害对经济社会的危害。天津地区融合算例表明,所提算法较好地解决了单一数据的缺点,融合后的数据拥有了多数据的优点,对后期地面沉降预测提供准确丰富的数据基础。