基于SBAS-InSAR的矿区全盆地开采沉陷求参方法研究
Study on method of mining subsidence parameters calculating for whole basin of mining area based on SBAS-InSAR
-
摘要: 传统测量手段监测矿区开采沉陷时所需的成本较高，且无法全面反映地表移动盆地的沉降情况。为了使矿区地表沉陷监测更全面高效，从而获得更高精度的概率积分预计参数，以内蒙古某矿区为例，先采用SBAS-InSAR技术处理27景Sentinel-1A卫星数据，获得2017年9月至2018年7月间的全矿区地表时序形变情况，再结合改进步长的果蝇优化算法实现地表全盆地3 723个点的共同求参。结果显示，工作面开采导致的地表最大沉降值为201 mm，与实测数据相比，其绝对误差的平均值为3.48 mm，标准差为51.16 mm，均方根误差为10.64 mm。研究结果表明：SBAS-InSAR技术与传统手段相比，对于监测矿区工作面开采引起的地表全盆地沉陷具有较大优势；此外，采用改进步长的果蝇优化算法能将全盆地开采沉陷结果用于概率积分预计参数的求取，得到一组效果良好的参数；获得的研究区域最优概率积分预计参数为：下沉系数q=0.33，主要影响角正切tanβ=1.83，拐点偏移距s=0.045H，开采影响传播角θ0=89°。研究成果为今后矿区地表的开采沉陷监测与概率积分预计参数确定提供了科学依据。Abstract: The cost of traditional measurement method to monitor mining subsidence is high, and always can not reflect the subsidence of the whole basin. So in order to monitor mining subsidence more comprehensively and efficiently, and determine the optimal probability integral prediction parameters, taking a mining area in Inner Mongolia as an example, the authors used SBAS-InSAR technology to process 27 Sentinel-1A data, and obtained the surface time series deformation of thewhole mining area from September 2017 to July 2018. Then, combined with the fruit fly optimization algorithm, 3 723 points in the whole basin were jointly calculated the optimal probability integral prediction parameters. The monitoring results show that the maximum surface subsidence caused by mining is 201 mm. Compared with the measured data, the average absolute error is 3.48mm, the standard deviation is 51.16 mm, and the root mean square error is 10.64 mm. It can be seen from the research that SBAS-InSAR technology can well monitor the whole basin deformation of the mining face. Besides,the fruit fly optimization algorithm can apply the mining subsidence results of the whole basin to the calculation of probability integral prediction parameters, and obtain a set of parameters with good effect. The predicted parameters of probability integral method are q=0.33,tan β=1.83,s=0.045H, θ0=89°.The research results provide a scientific basis for mining subsidence monitoring and parameter calculation of the whole basin
-
-
期刊类型引用(21)
1. 丁星丞，李培现，康新亮，王明亮，张涛，郝登程. 融合概率积分法与SBAS-InSAR的开采沉陷计算方法. 矿业科学学报. 2025(01): 48-56 . 
百度学术
2. 陈兰兰，范永超，肖海平，夏益强. 变分模态分解下融合时序InSAR沉降监测的HPO-LSTM预测模型. 有色金属科学与工程. 2025(02): 297-305 . 百度学术
3. 迟凤妹，刘国林，陶秋香，肖怡欣. 联合SBAS-InSAR与概率积分模型的郓城煤矿沉降监测与分析. 地球物理学进展. 2025(02): 484-494 . 百度学术
4. 顾志强，王以磊. 利用时序InSAR技术监测田湾核电站地表形变. 遥感信息. 2025(02): 46-51 . 百度学术
5. 朱鹏程. 基于无人机的矿区地表水平移动监测方法. 地理空间信息. 2024(03): 16-19+23 . 百度学术
6. 杨向升，李藤藤，张跃，张国建，刘辉. 基于SBAS-InSAR技术的条带开采地表沉陷监测分析. 煤矿现代化. 2024(03): 9-12+17 . 百度学术
7. 刘晖，李梅，袁明泽，姜展，王金正，吴小虎. 基于三维全参数反演的煤矿采空区形变提取方法研究. 煤炭科学技术. 2024(S1): 22-29 . 本站查看
8. 肖海平，范永超，陈兰兰，万俊辉，陈磊. 融合SBAS-InSAR技术与GRO-BiLSTM模型的开采沉陷边界划定方法. 金属矿山. 2024(10): 139-144 . 百度学术
9. 胡东升，程小凯，张雅飞，李涛，廉旭刚. 空天地一体化监测联合反演开采沉陷概率积分预计参数研究. 煤炭工程. 2023(01): 81-86 . 百度学术
10. 周健，周大伟，安士凯，詹绍奇，刁鑫鹏. 基于SBAS-InSAR的西部开采沉陷超前影响角反演研究. 金属矿山. 2023(04): 168-173 . 百度学术
11. 常剑，鄢磊，王倩，孙丽军，许利生. 采矿塌陷区次生灾害判别及稳定性评估. 现代矿业. 2023(09): 268-271 . 百度学术
12. 王志红，任金铜，阎跃观，刘吉波，张琰君. InSAR联合矢量倾角分段函数模型计算矿区地表下沉量. 测绘科学. 2023(08): 169-181 . 百度学术
13. 宋旭斌，路鑫. 基于SBAS-InSAR的采煤区地表形变监测与分析. 煤炭与化工. 2023(09): 51-56 . 百度学术
14. 靳雨田，胡海峰，蔡音飞. SBAS-InSAR矿区沉陷监测与动态预计模型参数研究. 煤炭技术. 2023(11): 30-34 . 百度学术
15. 王志红，刘吉波，阎跃观，任金铜，舒宇航. SGI-based法结合PIM的矿区全盆地下沉量计算方法. 地球物理学进展. 2023(06): 2440-2450 . 百度学术
16. 陈冉丽，王红军，刁鑫鹏，张宝金. InSAR形变监测在开采沉陷损害鉴定及稳定性评价中的应用. 测绘通报. 2023(12): 106-111 . 百度学术
17. 师芸，张雨欣，高天舒，郭昭，王凯. 结合时序InSAR与优化SVR模型的开采沉陷预计研究. 测绘科学. 2023(11): 136-144 . 百度学术
18. 李昱昊，安士凯，周大伟，詹少奇，高银贵. 基于UAV摄影测量技术的开采沉陷全盆地建模和求参. 煤矿安全. 2022(02): 179-186 . 百度学术
19. 赵巍平，张晓彬，沈锋，温欣. 基于NB-IoT和InSAR融合的城市地下空间双尺度智慧监测系统研究. 工业技术与职业教育. 2022(02): 15-18 . 百度学术
20. 张丰，刁鑫鹏，谭秀全，李爱军，杨隽. 基于SBAS技术的煤矿采空区探查与稳定性评价. 煤炭科学技术. 2022(03): 208-214 . 本站查看
21. 王崇平，高超，刘贵. 黄玉川煤矿沉陷区公路快速修复与治理. 煤炭科学技术. 2022(05): 66-72 . 本站查看
其他类型引用(13)
下载:
图(6)
计量
- 文章访问数: 288
- HTML全文浏览量: 8
- PDF下载量: 435
- 被引次数: 34
