指数曲线模型预测基坑周边地面沉降

结合天津富裕广场三期工程基坑周围地面沉降观测的工作实践,利用指数曲线法对该工程的地面沉降过程进行了预测,得出实际观测值与预测值之间的拟合曲线,并通过比较得出该预测方法的优劣。     

L ogistic 模型在地面沉降预测中的应用

随着城市大规模工程建设的开展,由此引发的地面沉降对区域生态环境、基础设施的影响不容忽视,地面沉降预测与控制是亟待深入研究的重要课题。研究表明,地面沉降基本经历发生、发展、成熟,最后到达一定极限沉降量的过程,这与Logistic模型反映事物的发展规律非常接近。文中建立地面沉降量Logistic预测模型,以某地区地面沉降实测数据为例进行定量模拟预测,结果表明,Logistic预测模型能很好的拟合沉降量—时间关系曲线,而且能够对地面沉降进行较为准确的预测。     

基于自回归分布滞后模型的地面沉降预测

地面沉降与地下水水位变化不同步,且地面下沉受自身影响较大,建立滞后作用下地面沉降预测模型,以某地区地面沉降为例进行模拟试验,并探讨模型拟合效果与预测精度。结果表明,自回归分布滞后模型的拟合效果较好,预测精度较高,可以用到地面沉降量计算中。     

多项式分布滞后模型在地面沉降预测中的应用

介绍多项式分布滞后模型(PDL模型)建立过程,针对地面沉降相对于地下水水位变化的滞后作用,建立考虑滞后作用的多项式分布滞后预测模型,应用该模型对某地区地面沉降实测数据进行模拟预测,并评价模型各项指标。实例分析表明,PDL模型应用到地面沉降变形趋势具有预测精度高、拟合效果好的特点,可以有效实现地下水水位变化导致地面滞后性沉降的定量模拟和预测。     

基于库伊克模型的地面沉降预测分析

针对地面沉降与地下水水位变化的内在关系,考虑地面沉降受到自身变化规律的影响,建立基于库伊克变换的地面沉降预测模型,应用该模型对某地区地面沉降统计数据进行模拟预测,有效实现该地区地面沉降与地下水水位以及本身之间的定量模拟,并探讨模型的拟合效果和预测精度。结果表明库伊克模型拟合效果较好,预测精度较高,能较好地反映研究区域的地面沉降变形趋势。     

地面沉降预测方法的探讨

以变形观测点的平均高程作为研究对象,对连云变电所地面沉降规律进行研究.在沉降区域内较均匀地布设一些能反映地面沉降情况的观测点,定期对其进行沉降观测,求得每期观测点的高程值.选用Gompertz曲线模型和Logistic曲线模型进行拟合,建立预测模型,对研究对象进行预测并进行精度评定.通过研究发现,该方法能较好地反映地面整体沉降情况,可以作为研究地面沉降的方法之一.     

基于PSInSAR的水溶矿区沉降预测

针对水溶矿区地表沉降监测与预测中传统大地测量监测手段所获结果空间分辨率较低的问题,利用PSInSAR进行了水溶矿区地表沉降监测;基于PSInSAR监测结果,分别采用GM(1,1)灰色模型、BP神经网络模型和多项式拟合模型进行沉降预测;以均方误差和相关系数为精度的衡量标准,将预测结果与实际结果进行对比,分析了3种模型的预测精度。结果表明,针对某水溶性矿山,基于PSInSAR数据构建的GM(1,1)灰色模型预测精度最高,可通过该方法为矿区的开采提供良好的高空间分辨率的短期预测。     

双轨D-InSAR在济宁矿区地面沉降监测中的应用

合成孔径雷达差分干涉测量技术(differential interferometry synthetic aperture radar,D-InSAR)已在矿区地面沉降监测中得到了广泛的应用。结合收集到的水准数据,选取了2009-01-10至2009-02-25时间段内的两景覆盖济宁东滩矿区的ALOS PARSAR数据,并以1∶50 000的数字高程数据(digital elevation model,DEM)作为外部参考DEM,利用GAMMA软件中的双轨D-InSAR技术对矿区的地面沉降进行监测,获取了东滩矿区的差分干涉图、增强后的干涉图、相干图、沉降图等一系列结果图,并统计分析东滩矿区在该时间段的沉降量、沉降分布及沉降面积等信息;将地理编码后的沉降图与最邻近时间段的水准数据进行精度验证及分析。结果表明:双轨D-InSAR技术可以对矿区的地面沉降进行有效的监测。     

双轨D-InSAR技术监测矿区地面沉降的应用

合成孔径雷达差分干涉测量(Differential interferometry synthetic aperture radar,D-InSAR)技术在矿区地面沉降监测领域具有独特的优势和巨大的发展潜力。为分析并掌握济宁某矿区地面沉降的变化状况,选取具备高穿透植被能力的L波段的ALOS PALSAR数据,基于双轨D-InSAR技术对采煤塌陷进行动态监测,获取矿区的形变信息,并与水准数据进行对比分析,进而为有效的进行矿山地质环境保护与治理恢复提供一定的理论依据和技术支持。     

灰色预测模型在地面沉降中的应用

城市地面沉降已经成为城市发展的严重制约因素,很多城市都在积极采取控制沉降的措施.地面沉降趋势的预测可为地面沉降防控提供数据参考.本文基于天津某地区沉降监测数据,采用灰色理论建立GM(1,1)模型对沉降趋势进行预测.结果 显示,利用灰色模型预测地面沉降具有较高的精度,能够在地面沉降的预测研究中发挥作用.     

GM-AR模型在城市地面沉降预测中的应用

随着城市的现代化进程,地面沉降已广泛发生在世界各地,给人民生活和社会发展造成极大损失.GM(1,1)模型作为经典的地面沉降预测方法,不适用于随机型数据预测.将AR模型与GM(1,1)组合成GM-AR模型对城市地面沉降数据进行预测,预测值残差小于GM(1,1)模型,未来2、3期预测值小于1 mm,且趋势线更贴近实测值,效果优于传统的GM(1,1)模型.     

BP神经网络模型在采水地面沉降中的应用研究

随着我国各项建设对水资源的需求越来越大,导致由地下水开采而引起的沉降问题成为当前研究的热点课题。本文对某矿区采水地面沉降进行了模型设计,通过对部分实测数据的训练,优选出该模型的网络结构和网络参数,并且用Matlab软件编程实现对其他监测点的计算和预测。通过研究表明本文所建立的BP神经网络模型能较准确反映采水地面沉降的规律,同时也能较准确地预测地下水开采引起的地面沉降。     

D-InSAR技术在矿区沉降监测中的研究分析

矿区沉降监测是合成孔径雷达差分干涉测量(Differential interferometry synthetic aperture radar,D-InSAR)的潜在应用领域。选取2景覆盖济宁某矿区的C波段的ENVISAT ASAR影像,基于SarScape软件进行差分干涉处理;结合GIS(Geographic information system)软件获取研究区的沉降分布,沉降量和沉降面积等信息。研究表明:利用双轨D-InSAR技术可以获取矿区的地面沉降位置、分布、沉降量等,从而为矿区后续的合理开采和综合治理提供一定的依据。     

矿区地表形变InSAR监测——以永城市为例

针对矿区地表形变同时存在地面塌陷及地面沉降的情况,结合InSAR监测本身的特点,本文以永城市为例,选用2014年10月至2015年4月7景Radarsat-2 SAR图像,提出利用D-InSAR联合SBAS技术开展矿区地表形变监测,即利用D-InSAR监测矿区地面塌陷状况,SBAS监测矿区地面沉降状况。通过实地调查并结合永城市矿业开采、地质构造、地下水以及城市建设等资料认为,矿业活动不仅给开采面附近造成严重的地面塌陷,还造成了区域性的地面沉降现象。监测结果表明:联合利用D-InSAR和SBAS两种技术适合在矿区开展地表形变监测。     

基于合成孔径雷达差分干涉测量技术的矿区地面形变分析

介绍了合成孔径雷达差分干涉测量（D—InSAR）技术的基本原理和D-InSAR数据处理流程,采用双轨法D-InSAR处理了4景覆盖济宁某矿区的卫星ENVISATASAR数据,分别提取了增强差分干涉图、相应的相干图以及矿区地面形变图,并对其进行了简单分析。对从矿区地面沉降分布、沉降面积统计进行矿区地面沉降分析;选取研究矿区的部分水准监测结果与D-InSAR监测结果相比较的方式进行精度分析。说明了13-InSAR技术在矿区地面沉降监测应用中应该注意的事项。     

基于灰色模型和指数平滑法的地面沉降预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。地面沉降是一种渐变性地质灾害,可以预测其发展趋势。文章结合灰色系统理论预测模型及指数平滑法预测模型的特点,提出了在灰GM(1,1)和三次指数平滑法的基础上采用加权组合预测地面沉降预测的方法。     

长短时记忆网络TS-InSAR地表形变预测

预测地面沉降对于城市基础设施损害的早期预警和及时采取补救措施具有重要意义。本文提出基于时序InSAR数据采用长短时记忆网络（LSTM）模型来预测地面沉降。以香港国际机场为研究区域,基于Sentinel-1A升轨影像利用时序雷达干涉技术（TS-InSAR）获取2015年—2020年机场时序地面沉降监测InSAR结果;利用机场时序InSAR形变结果建立堆叠式LSTM预测模型,并将预测结果与InSAR真实结果进行对比分析。结果表明,2015年—2020年香港国际机场地表垂直方向的平均形变速率为-19—5 mm/a。预测值与真实值的拟合均方根误差和平均绝对误差均较低,分别为0.75 mm和0.61 mm,同时其相关系数为0.99,表明LSTM预测模型在点级尺度上具有良好的性能,能够基于时序InSAR数据较准确预测地面沉降。但预测过程中发现,LSTM模型不适合长期预测,长期预测会出现失效性。本文提出的堆叠式LSTM预测模型可以作为一种有效方法来预测地表形变,尽管LSTM模型只是适用于短期预测,但其预测结果可用于辅助决策、早期预警和减轻危害。     

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.     

顾及空间异质性的大范围地面沉降时空预测

大速率、不均匀的地面沉降已经威胁到人类的生产活动,高精度的沉降预测结果对于地质灾害的精准防控具有重要意义。为掌握地面沉降的演化规律,利用现场观测数据或InSAR数据开展了多项预测研究。然而,由于空间异质性的存在,大范围地面沉降的准确预测仍然是一项挑战。在这项研究中,从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法 STLSTM (Spatio-temporal Long Short-Term Memory)。首先,通过聚类识别地理空间中的均质子区;然后,在每个子区中,一个特别的长短期记忆LSTM (Long ShortTerm Memory)网络被用来捕捉局部位置的非线性特征;最后,利用预训练的网络对未来时刻的地面沉降进行定量预测。在实验部分,哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能,利用空间统计指标分析了模型的有效性。结果表明,STLSTM在152 s内达到了最高的预测精度（71.4%）,且能够有效弱化空间异质性对大区域沉降预测任务的影响。总之,这项研究将空间异质性处理策略融合到深度学习模型中,实现了高精度、高时效的大范围地面沉降时空预测。     

基于小波去噪的灰色Verhulst模型在高铁路基沉降预测的应用

高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色Verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色Verhulst模型、GM(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:GM(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色Verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。