矿区地表形变监测及预测方法研究

作者:张兰军; 王世杰; 金鑫田; 姜鑫
来源:科技和产业, 2023, 23(07): 248-253.
DOI:10.3969/j.issn.1671-1807.2023.07.039

摘要

利用2018年1月至2021年12月的47景Sentinel-1A影像,基于SBAS-InSAR技术,对窑街矿区进行沉降监测。根据矿区沉降特征,构建GM(2,1)、BP神经网络、PSO-SVR和LSTM 4种预测模型,对3个矿区2020—2021年形变中心沉降值进行预测分析。结果显示:窑街矿区大部分区域处于稳定状态,矿区中心形成明显的沉降漏斗,最大平均沉降速率为157.01 mm/a, 2018—2021年最大累积沉降量达到681.82 mm,存在发生采空区大面积塌陷和次生地质灾害的危险。预测结果显示,4种模型表现出不同的预测精度,LSTM模型预测精度最高,可作为矿区地表沉降相对可靠的预测模型。

全文