融合DS-InSAR与THPF-LSTM的关闭矿井地表形变监测及预测
张建阳1
范洪冬2
朱向阳3
孙明虎3
1.中国矿业大学 环境与测绘学院,江苏 徐州 2211162.中国矿业大学 环境与测绘学院,江苏 徐州 221116;自然资源部国土环境与灾害监测重点实验室,江苏 徐州 2211163.江苏徐矿能源股份有限公司 张双楼煤矿,江苏 徐州 221616
摘要：矿井关闭后,其上覆岩层及地表会再次发生变形,影响建(构)筑物安全运营.由于关闭矿井缺乏监管,导致地表形变时空演化规律及预测预警模型研究不足.为此,提出了一种分布式目标雷达干涉测量(Distributed scatter Interferometric synthetic aperture radar,DS-InSAR)、时间域高通滤波(Temporal High Pass Filtering,THPF)以及长短期记忆网络(Long Short Term Memory Network,LSTM)相结合的关闭矿井地表形变预测模型.以 98 景Sentinel-1A升轨影像为数据源,首先利用DS-InSAR方法联合PS(Persistent Scatterer)和DS点获取徐州西部关闭矿井 2019-11-2022-12 的时序地表沉降信息;然后利用THPF分解原始沉降序列获取高频和低频序列沉降信息;之后采用LSTM完成高低频子序列的形变预测,将高低频子序列预测值叠加获取最终的预测结果.结果表明:DS-InSAR监测点密度分布均匀,监测结果水准实测形变间的决定系数达到 0.95;相较于LSTM模型,THPF-LSTM模型在预测点位上的最大均方根误差(RMSE,Root Mean Square Error)为 3.0,最大平均绝对误差(Mean Absolute Error,MAE)为 2.4,最大校正决定系数(Adjusted R-square)为 0.9,优于传统LSTM模型的 4.5、3.9 和 0.6,模型综合预测精度提升 20%以上,能够准确反映出关闭矿井地表形变的趋势和波动性,可有效提高短期内关闭矿井沉降预测精度,实现了关闭矿井地表形变监测和预测的一体化分析.
关键词：地表形变预测关闭矿井DS-InSARLSTM神经网络时间域高通滤波
分类号：TD325+.4(矿山压力与支护)
资助基金：国家自然科学基金(42274054)国家自然科学基金(51774270)国家重点研发计划(2022YFE0102600)国家重点研发计划(2017YFE0107100)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 144-154 )
英文信息