一、GPS开采沉陷观测方法的探讨(论文文献综述)
陈兴达[1](2021)在《加权机器学习方法在淮南矿区参数反演和沉陷预计中的应用》文中研究指明开采沉陷预计模型及参数体系是“三下”采煤设计的核心基础理论。准确、可靠的反演概率积分参数是实施精准地表沉陷预计的前提,构建地表下沉预测模型是矿山开采的难点,但对于由开采沉陷引发的地质环境灾害的防治具有重要意义。当前文献表明,已有学者建立了概率积分参数和开采沉陷下沉预计模型,但是仍然存在一些问题:(1)在实测值反演概率积分参数的过程中,标准遗传算法(SGA)求取概率积分参数存在易早熟收敛,后期易陷入局部最优解的缺点。(2)在缺少观测站的矿区的概率积分参数预计过程中,BP神经网络没有考虑概率积分参数的相关性而导致概率积分参数预计的精度的降低,与最终的下沉和水平移动曲线不符合;(3)对于单个下沉点的预测,BP神经网络易陷入局部最优解,同时没有考虑残差而导致精度降低;(4)淮南矿区是高水位矿区,随着矿山开采的进行,水将淹没监测点导致监测点无法测量。支持向量机(SVM)在水下下沉点的预测过程中,单核函数在泛化能力方面较低,同时没有考虑残差而导致精度的降低。针对以上问题,本文进行了一定的研究,主要取得以下结论:(1)利用加权的思想提出了多种群遗传算法(MPGA)来反演概率积分参数。在实测值反演概率积分参数的过程中,为了弥补标准遗传算法(SGA)单个种群求取概率积分参数的早熟收敛,后期易陷入局部最优解的缺点。提出了多种群遗传算法(MPGA)来反演概率积分参数,研究了该算法的准确性与可靠性。模拟实验表明:基于MPGA的概率积分参数反演模型不仅能够准确求取预计参数,而且对于观测站数据中的随机误差和监测点缺失都具有较强的抗干扰能力。朱集东煤矿1222(1)工作面概率积分法求参实验表明:在MPGA只迭代了 57次就收敛,然而SGA迭代了 100次才收敛的情况下,MPGA得出的下沉值和水平移动值的拟合标准差是31 mm,SGA得出的下沉值和水平移动值的拟合标准差是32 mm,表明基于MPGA的求参模型较SGA求参模型在准确性、迭代次数这几个方面有一定的优势。(2)提出了一种新的改进的神经网络概率积分参数预计算法。为了提高对于缺少观测站的淮南矿区的概率积分参数预计的精度,提出了一种新的改进的神经网络概率积分参数预计算法(NIBPNN),不仅考虑概率积分参数的相关性,同时还考虑概率积分参数的准确性。将全国105个矿作为训练集,4个淮南矿作为测试集,利用以上模型对概率积分法参数进行预计,并且分析模型预计参数的精度、下沉值和水平移动值的中误差,结果表明NIBPNN较BPNN,IBPNN有较大的改善。(3)利用加权的思想提出了多个BP神经网络加权的融合混沌残差的BP强预测器(BP-Adaboost)的地表下沉预测模型。为提高地下开采引起地表下沉预测结果的精度,由于BP神经网络在单点下沉预测中精度较高但容易陷入局部最优解,于是提出了融合混沌残差的BP强预测器(BP-Adaboost)的地表下沉预测模型。以顾北矿1312(1)实测值为例,分别用融合混沌残差的BP-Adaboost模型、BP神经网络模型和BP-Adaboost模型对最大下沉值点进行稳定期和活跃期的单步预测和多步预测,结果表明,融合混沌残差的BP-Adaboost模型无论是在单步预测还是在多步预测上的精度均最高,尤其在单步预测上有显着的提高。(4)利用加权的思想提出了多个核函数加权的带有混沌残差的遗传算法优化的多核支持向量机(CHAOS-GA-MK-ε-SVM)水下预测模型。由于淮南矿区是高水位矿区,随着矿山开采的进行,水将淹没监测点导致监测点无法测量,SVM在水下监测点下沉预计中精度较高。提出了一种带有混沌残差的遗传算法优化的多核支持向量机(CHAOS-GA-MK-ε-SVM)水下预测模型。基于无水沉降区域的实测数据,用CHAOS-GA-MK-ε-SVM模型对水下下沉值进行预测,并分析预测结果的准确性和可行性。淮南顾北煤矿1312(1)首采面表明:在监测点的数据较为完整的情况下,CHAOS-GA-MK-ε-SVM模型精度较高,活跃期6期预测值中有4期可用,前4期平均相对误差(MRE)为1.7%,精度较高可以使用,而最后2期MRE是9.6%,精度较低不可以使用。谢桥2111(3)表明:在监测点的数据较为完整的情况下,CHAOS-GA-MK-ε-SVM模型精度较高,稳定期6期预测值中所有期都可以使用,6期的MRE是0.9%。但在监测点的数据严重缺失的情况下,训练样本缺少将会导致CHAOS-GA-MK-ε-SVM模型过拟合,此时应当采用遗传算法优化的支持向量机(GA-ε-SVM)模型去预测水下下沉值。GA-ε-SVM模型6期预测值中所有期都可以使用,6期的MRE是3.3%。图23表27参81
朱尚军[2](2021)在《基于三维激光扫描的矿区开采沉陷地表形变监测方法及采动损害分析研究》文中提出针对传统测量方法提取矿区地表形变存在获取数据是离散、低密度,不能完整有效的对建筑物损坏等级进行评价,并且在利用三维激光扫描技术进行矿区开采沉陷地表形变监测时,当工作面地表被大量植被覆盖、工作面上方地表积水时,常规三维激光扫描技术获取点云数据去噪困难、甚至点云数据缺失。此时利用常规三维激光扫描技术监测开采沉陷无法获取开采沉陷地表形变场等问题。在概率积分模型辅助下,本文拟提出一种基于概率积分模型辅助的煤矿开采沉陷三维激光扫描监测方法(3DLS-PIM)以及基于三维激光扫描技术的矿区建筑物形变监测及采动损害评估方法,实现了对开采沉陷地表形变盆地的预计,得到开采沉陷地表全盆地形变。本文通过上述研究主要获得如下成果:1)分析了三维激光扫描精度影响因素及规律。阐述了三维激光扫描基本原理并且分析了三维激光扫描误差来源。结合HS-650扫描仪进行了内外符合精度评价、仪器不等高、仪器扫描目标物的距离以及点云密度的设置对测量结果的影响等校内仿真实验,并由此设计出HS-650扫描仪在煤矿区进行实地测量时的观测方案。为下文基于三维激光扫描技术的模型建立与研究提供了理论与实践基础。2)提出了基于QPSO算法的球形标靶几何中心估计方法。针对传统的方法在求取球心坐标过程中存在计算量大、线性化过程复杂等问题,构建了基于QPSO算法的标靶球拟合算法。模拟实验验证了 QPSO算法应用于标靶球球心拟合具有一定的抗随机误差的能力,并且有助于提高坐标转换精度和监测的结果准确性;结合工程实例,验证了基于QPSO算法的标靶球球心拟合模型的实用性。3)构建了基于概率积分法辅助的开采沉陷三维激光扫描监测方法(3DLS-PIM)。在QPSO算法与概率积分模型的辅助下,建立了基于3DLS-PIM的开采沉陷监测辅助条件方程及参数估计方法,并介绍了基于3DLS-PIM的开采沉陷监测方法的监测原理与应用流程。通过模拟实验探讨了基于QPSO的3DLS-PIM参数求解效率、波动性、抗随机误差能力、抗粗差能力以及抗缺失点能力;并开展了一种基于概率积分法辅助的煤矿开采沉陷三维激光扫描监测方法的案例研究,验证了联合3DLS-PIM模型的矿区三维形变监测方法的工程应用价值。4)发展了基于三维激光扫描的矿区建(构)筑物采动损害监测与预测方法。介绍了基于三维激光的建筑物变形监测精度设计方法、建筑物移动与变形计算与采动损害评估方法;并结合工程实例设计了三维激光扫描仪观测方案,依据观测方案对建筑物进行了变形提取与采动损害评估,随后对工程实例结果进行了精度评定;最后将利用三维激光扫描仪直接监测提取矿区建筑物形变值与基于3DLS-PIM模型预测值进行对比,两种方法对于建筑物的评估结果一致,验证了3DLS-PIM模型的正确性和可实用性。为三维激光扫描技术应用于煤矿区地表的建(构)筑物采动损害监测与预测提供了可行性方案。图43表21参111
卢克东[3](2021)在《基于时序InSAR矿区地表三维形变预计研究 ——以淮南矿区某采煤工作面为例》文中提出合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术是近些年备受关注的一种对地观测技术,因其以区别于传统观测技术,可全天时、全天候、大范围的获取地表形变信息的优势而受到专家学者的青睐。经过最近几十年的不断发展和技术进步,人们在InSAR技术基础上研究并发展出合成孔径雷达差分干涉测量技术(D-InSAR)、多时相InSAR技术(MT-InSAR)和多孔径InSAR(MAI InSAR)技术等多种对地测量方法,而且已经在城市地表沉降、山体滑坡、矿区开采沉陷、冰川漂移等多个领域做了大量研究,取得了丰富的研究成果。矿区资源开采引起的地表沉降会给当地带来生态、经济和社会治安等一系列问题,因此,使用InSAR技术建立矿区地表沉降模型,研究矿区资源开采过后地表发生沉陷的时空演化规律具有重要意义。传统的D-InSAR技术由于只能获取地表在雷达视线向(Line of Sight,LOS)形变量,无法反映地表实际在空间上三维形变信息,且对地表发生大梯度形变信息无法准确提取。针对这些问题,本文拟采用SBAS-InSAR技术获取矿区地表时序形变信息,提取矿区地表在水平面上的形变量,同时结合幂指数Knothe时间函数模型预计矿区地表在垂直方向的形变值,最后建立起矿区开采地表三维形变模型。本文取得的主要成果如下:(1)分析研究了当前矿区开采地表沉降监测国内外研究现状以及监测的主要技术手段和成果,并根据现在所选择的待研究区条件分析采用何种监测方法更为合适。针对传统监测手段无法大面积获取矿区地表形变信息,研究区地表积水区面积较大且多有杂草,灌木覆盖等问题,并兼顾研究数据易获得性,经济适应性,雷达波段穿透效果等多种因素,选取合适的雷达影像数据和雷达影像处理方法获取地表时序形变值。(2)采用矿区地表时序InSAR监测值反演幂指数Knothe时间函数模型未知参数,并通过幂指数Knothe时间函数模型预计研究区地表监测点最大下沉值。由于矿区地表沉降梯度较大,超出常规D-InSAR技术监测范围而无法准确获取矿区地表下沉值。本文采用SBAS-InSAR技术对矿区雷达SAR影像进行处理,得到地表时序形变值。根据矿区地表形变值采用粒子群优化(PSO)算法反演得到幂指数Knothe时间函数模型参数,建立地表监测点下沉曲线模型,最后根据建立的下沉模型预计矿区地表点最终形变值。(3)通过理论研究与实际工程案例相结合提取矿区地表三维形变信息并构建地表三维形变下沉预计模型。本文根据雷达视线向形变值推导出其在水平面上东西向、南北向的关系分量和垂直方向形变量,并由时序InSAR技术得到的研究区时序形变结果进行三维信息提取。结合时序InSAR得到的矿区地表最终形变值提取的矿区地表水平形变与基于幂指数Knothe模型提取矿区地表在垂直向的分量构建地表三维形变下沉预计模型。结合淮南矿区某采煤工作面,利用所建立的三维形变预计模型提取地表形变信息构建地表三维形变模型,同时收集地表移动变形观测站的实测水准数据和平面CORS数据,对所建立的模型进行验证。结果表明,根据选取的几个具有代表性的下沉特征点验证结果显示:时序InSAR监测值与水准值相比最大平均误差为0.0219m,最大中误差为0.0352m;反演得到的模型拟合下沉值与水准值相比最大平均误差为0.0308m,最大中误差为0.0423m。图[34]表[9]参[134]
邢垒[4](2021)在《基于SBAS-InSAR技术的综放工作面地表沉陷监测及预测研究》文中研究说明随着我国的国民经济高速发展,煤炭需求不断增加,由煤层开采引起的覆岩破断及地表沉陷严重影响煤矿的安全生产及矿区的生态环境。掌握覆岩破断及地表沉陷规律,对合理进行煤炭资源开采、矿区灾害预测防治具有重要意义。本文以胡家河井田401102工作面为依托,通过收集矿区地质及开采资料,采用SBAS-InSAR监测技术、理论分析、三维离散单元法程序数值模拟、实测验证等方法,研究矿区开采过程中的地表沉陷规律及覆岩破断对地表沉陷的影响。主要研究工作及成果总结如下:(1)通过SBAS-InSAR技术对胡家河井田401102工作面地表沉陷情况进行监测,获取其地表沉陷规律。结果显示:研究区出现两处明显沉陷,分别位于401102工作面与402103工作面正上方,监测结果与实际情况相吻合;为了定量分析开采过程中地表沉陷规律,分别沿工作面走向与倾向进行数据提取,发现随着工作面的推进,地表呈非线性沉陷,沉陷速度先增大后减小,并在相邻401101工作面采空区的影响下,出现非对称沉陷的特征,靠近采空区一侧沉陷量偏大;在2014年10月至2016年7月期间,401102工作面地表最大沉陷量达0.609m,监测结果与实测GPS数据基本吻合。(2)为揭示在开采过程中覆岩破断对地表沉陷的影响,采用三维离散单元法程序对401102工作面进行数值模拟。结果表明:开采引起的地表沉陷是覆岩移动、破断等力学过程在地表的最终表现,其中关键层对局部或整体岩层存在控制作用,它是连接地表沉陷与覆岩破断的纽带,主关键层的结构状态直接影响到地表沉陷;最后将模拟结果与InSAR监测结果及GPS数据进行对比,发现模拟结果与InSAR监测结果趋势一致,且精度可靠。(3)结合三维离散单元法数值模拟结果,为更高效的获取地表沉陷情况,针对开采沉陷量与多影响因素的复杂非线性关系问题,提出基于粒子群算法优化BP神经网络的Adaboost强预测模型。该模型融合Adaboost算法侧重预测误差大的样本和粒子群算法优化神经网络权值及阈值的特点,实现了强预测器“优中选优”的目的。本文通过该模型对401102工作面的地表沉陷最大值进行预测,与数值模拟结果对比,相对误差为9.5%,预测结果可靠,表明该模型在地表沉陷预测中具有实用性。
张童康[5](2021)在《基于SBAS-InSAR的矿区沉降监测及动态预计研究》文中认为地下开采引起的地表变形具有时间依赖性和高度非线性,在地下开采过程中会对地表结构造成渐进破坏。传统的监测方法存在一定的缺陷,差分合成孔径雷达测量技术(InSAR)的主要特点是在较宽的覆盖范围内具有较高的空间分辨率和较高的精度。由于其独特的优点,该技术被广泛应用于地表变形监测。然而在煤矿区,地表在短时间内会发生大规模塌陷,导致InSAR结果不准确,限制了其在采矿沉降监测中的应用。基于此本文提出了一种探测矿区大规模形变的新方法,将SBAS-InSAR技术与用于预测采矿沉降的概率积分方法相结合,克服了这些缺点,并结合改进knothe时间函数建立了矿区沉降动态预计模型,得到了该矿区的地表沉降动态变化过程。主要进行了以下研究:(1)首先利用SBAS-InSAR技术对覆盖陕北某煤矿的41景sentienl-1A数据处理,包括影像的配准、滤波、解缠、以及提取高相干点进行回归分析,分离形变相位和误差相位,并通过SVD分解和最小二乘法提取了矿区LOS向矿区的时间序列累积沉降量,得到了矿区沉陷盆地边缘稳定的边界点的沉降信息,并选择与走向和倾向GPS观测站重合的两个边界点的精度进行了验证。发现走向边界点B12的最大残差为3mm,倾向边界点B14的最大残差为6mm,均在限差范围内,说明其沉降盆地边界点结果值得信赖。(2)由于静态概率积分法无法预计矿区随时间变化的动态开采沉陷,所以本文提出了将改进的knothe时间函数模型与静态概率积分法相结合的动态时间概率积分法预测模型。静态概率积分法的模型参数获取往往存在一定的困难,本文通过静态概率积分模型与InSAR侧视方向得到的边界点形变信息结合建立适应度函数,然后利用差分进化灰狼优化算法对该矿区的概率积分法预计参数进行求取。根据InSAR得到的边界点时间序列LOS向形变,建立多余观测方程,通过最小二乘法求取出改进knothe时间函数的模型参数。从而建立起InSAR-ITPIM动态概率积分预计模型对开采过程中的地表沉降进行预计,并将预计结果与实测GPS结果进行对比验证。(3)结合矿区的地质构造岩层信息,通过FLAC3D软件建立摩尔-库伦模型求解不平衡力,根据回采距离选择开挖距离。从而对该工作面的开采沉陷过程进行动态模拟,得到了该工作面的地表动态沉降信息。研究成果表明,InSAR-ITPIM动态沉降预计结果与实测GPS的沉降拟合度较好,其中最大平均误差达到了 0.111m,最大均方根误差达到了 0.135m。误差在限差范围内,有一定的实际应用价值。FLAC3D数值模拟的沉降规律与InSAR-ITPIM的沉降规律较符,说明了 FLAC3D数值模拟在开采沉陷动态沉降模拟有一定的参考价值,可以为矿区采后治理和地表沉陷模拟提供理论依据。
夏元平[6](2020)在《基于InSAR/GIS的矿区地下非法开采监测关键技术研究》文中提出我国的矿产资源属于国家所有。国家根据战略发展的需要,给有关单位或个人发放矿产资源开采许可证,通过进行合理有序的开采,更好地服务国家的经济发展。近年来,由于受到经济的利益驱动,部分非法开采分子在未取得矿产资源开采许可证的情况下,私自盗采国家的矿产资源,且开采手段又极具破坏性。有关部门为制止此类行为,采取了多种防范措施。但由于现有的非法采矿监督大多采用“逐级统计上报、群众举报、现场巡查”的“地毯式”方法进行,周期长、时效性差、人为因素影响大、准确度低,以致一些非法采矿监管困难,尽管采取了防范措施,但屡禁不止,影响矿山正常开采秩序,形成安全事故隐患并严重破坏了生态环境。因此,为了实现在人无需进入井下或井下实测空间的条件下确定地下开采区域,进而进行非法采矿识别成为可能,本文在总结地下非法采矿类型和识别途径的基础上,从解决“地表形变信息的获取、地表形变信息与地下开采位置的关联、合法与非法开采的甄别”三个关键技术问题入手,综合运用空间对地观测技术、GIS、采矿工程等技术的理论成果,解决矿区范围内In SAR获取地表形变信息的问题,以煤炭地下开采引起的地表沉陷为研究对象,在揭示地表形变信息与地下开采面的关联机理的基础上,构建能融合数据多源、反映多层次时空变化过程中地质空间与分布特征的GIS时空数据模型,建立地下合法开采和非法开采的甄别模型,并集成In SAR和GIS技术来实现矿区地下非法采矿的快速高效监测。论文的研究内容和和取得的主要成果总结如下:(1)总结了当前利用In SAR技术进行矿区地表形变监测的研究发展现状,进一步梳理了SAR成像原理以及D-In SAR、PS-In SAR、SBAS-In SAR的基本原理和数据处理流程,分析了In SAR形变探测的主要误差来源,并从形变梯度、失相关等方面剖析了In SAR在矿区形变监测中的主要影响因素。同时,综述了当前国内外In SAR与GIS技术集成应用以及地下非法采矿监测研究现状。(2)提出了一种面向地下非法采矿识别的GIS时空数据模型。针对矿山地下开采诱发的地质现象和动态过程,结合地下非法采矿监测的实际需求,介绍了支持地质事件多因素驱动GIS时空数据模型的基本概念和框架结构,定义了各种地质对象及相关的地质事件。同时,通过对矿山开采沉陷时空变化过程进行模拟与描述,构建了支持地质时空过程动态表达的GIS数据模型,并对矿山开采沉陷各个类的详细结构和时空数据库表结构进行了描述,在此基础上,提出了集成In SAR与GIS技术进行地下非法采矿识别的方法,并搭建非法采矿识别平台体系结构,为不同类型非法采矿事件的识别和监测提供平台保障。(3)提出了一种基于D-In SAR开采沉陷特征的地下无证开采识别方法。针对引起地表较大量级形变的地下无证开采事件,构建了自动圈定地表开采沉陷区的算法模型,设计了一种“时序相邻式”的双轨D-In SAR监测方案。通过精化D-In SAR数据处理的流程、方法和相关参数,精准地获取了区域范围内的差分干涉图,再根据由地下开采引起地表沉陷区域独特的空间、几何、形变特征,构建了从分布范围较大的差分干涉图中快速、准确圈定地表开采沉陷区的算法模型,在此基础上,实现了从圈定的开采沉陷区中进行非法采矿事件的识别,并对识别结果进行了对比分析和实地验证。通过资料对比和实地调查验证了地下非法开采的识别结果与实际情况基本一致,具有较好的识别效果,且定位出的采矿点的位置较准确,与实际位置的差距一般都小于20m。(4)提出了一种融合PS-In SAR和光学遥感的地下无证开采识别方法。针对引起地表小量级形变且隐蔽在房屋下的无证开采事件,鉴于这些非法事件开采的都是浅层煤炭资源,且地面上的房屋在较长时间序列中能够保持较强且稳定的雷达散射特性,通过联合PS-In SAR技术和高分光学遥感,提取出地表建筑物(居民地)对应PS点集的沉陷信息,并对提取出的建筑物沉陷信息进行形变时空特征分析,提出了一种从覆盖范围较大的建筑物沉陷信息中快速、准确探测出疑似非法开采点的方法。以山西省阳泉市郊区山底村为研究对象,选用Quick Bird02和Worldview02高分辨率数据以及20景PALSAR影像数据来进行实验研究,探测出该村2006年12月29日至2011年1月9日间发生过的2个非法采煤点,并将探测出的非法采煤点与历史查处资料进行对比分析,发现局部区域的准确率达到40%,探测率达到66.67%,且在开采时间上也基本吻合。表明了该方法是可行的,具有一定的工程适用性和实际应用价值。(5)结合In SAR地表形变监测技术和开采沉陷预计方法,提出了一种面向越界开采识别的地下采空区位置反演方法。首先依据开采沉陷原理建立起地表沉陷和地下开采面的时空关系模型,然后利用In SAR技术精确获取地表形变信息,最后根据时空关系模型反演出地下倾斜煤层开采的具体位置参数。与其他同类方法相比,该方法由于不依赖复杂非线性模型,因此具有较高的工程应用价值。为了验证所提出方法的可靠性和适用性,使用FLAC3D软件进行了模拟实验和分析,选用峰峰矿区132610工作面和11景Radarsat-2影像数据进行实验研究,结果表明,反演出的采空区位置平均相对误差为6.35%,相比于同类基于复杂非线性模型的算法,平均相对误差缩小了1.75%,相比于忽略煤层倾角的算法,平均相对误差缩小了6.25%,本文提出的方法可为进一步甄别和发现深藏在地下的越界开采事件提供一种新的监测方式与途径。该论文有图94幅,表12个,参考文献220篇。
李金超[7](2021)在《基于InSAR和Sentinel-1A的淮南矿区形变灾害监测研究》文中研究说明煤矿行业的发展为我国城市化进程和区域经济的协调发展做出了巨大的贡献。但伴随着煤炭资源的大规模开采,地表结构不断遭到破坏,引起的地面沉降、塌陷、建筑物变形倒塌和公共设施损毁等一系列矿区灾害问题严重的威胁到了矿区人民的生命财产安全,地区的可持续性发展面临着严峻的挑战。因此,开展矿区地面沉降的长期高效监测、建筑物的动态损坏评估及预测预警研究工作,对于矿区的防灾减灾工作以及地区的和谐稳步发展有着重要的理论和现实意义。近年来新兴的合成孔径雷达干涉技术(Interferometry Synthetic Aperture Radar,In SAR)以其全天时、全天候、高精度、连续覆盖等优点弥补了传统光学遥感在特殊环境下成像困难的短板,克服了传统观测技术采样点密度低、延续性差的困难,为矿区形变监测带来了一种全新、高效的观测方法。然而,当前In SAR仅仅被作为一种获取矿区形变信息的手段,其在矿区防灾减灾工作中的实际应用价值没有完全发挥。如何将In SAR技术和矿区形变研究更好的结合,真正高效的应用到矿区地面沉降长期监测、建筑物动态损坏评估及预测预警等防灾减灾工作中去,仍处于探索阶段,也是一个亟待解决的问题。因此,论文以华东淮南矿区为研究区,综合对地观测技术、地质、结构以及计算机机器学习等相关理论知识,开展基于In SAR技术的矿区地表时空演变分析、建(构)筑物受采动影响的动态损坏评估及预测预警研究,为矿区的地表沉陷监测及灾害评估、预警工作提供高效的方法和可靠的依据。论文的主要研究内容和成果如下:(1)基于差分干涉测量(Differential In SAR,D-In SAR)技术和Sentinel-1A的淮南矿区形变区域识别与特征提取研究,验证了D-In SAR技术和Sentinel-1A数据在淮南矿区开采沉陷监测中的能力。基于Sentinel-1雷达影像数据,应用DIn SAR技术,反演了淮南矿区的地表形变结果,识别并圈定了研究区内的所有形变区域,探查了研究区内形变区域的空间分布,分析了影响区域形变特征的原因,揭示了形变区域的空间形变特征和规律。结果表明研究区内共有25处形变区域,主要分布于淮南矿区的西部和北部;淮南矿区内由于煤炭开采引发的形变干涉条纹在干涉图中都呈现面积小、形状规则的同心圆形或椭圆形空间形态特征;形变区域在空间上都呈现出典型的漏斗状地面沉降特征,区域沉降量最大值处都位于形变区域的中心位置,沉降量随着形变区域的中心向边界处逐渐减小。(2)基于Sentinel-1A数据的不同地物类型时序相干性研究,揭示了不同地物类型的时序相干性变化规律。深入探讨了影响In SAR技术相干性的因素指标,利用Sentinel-1A数据,筛选出时间和地物类型两个不同的重要影响指标,以此开展了矿区内不同地物类型在不同时间段内对D-In SAR技术的去相干影响研究,定量的分析了矿区内不同地物类型的时序相干性变化特征。选取淮南矿区4类典型地物:农地、林地、裸地、居民地为代表,通过相干系数的计算,分别获取了4种地物类型在一年中各个月份的时序相干性变化结果。结果表明4类地物在一年中总体有着相似的相干性变化趋势,其中6至9月相干性最差,12月至3月相干性最好;居民地和裸地全年中表现出了较为稳定的高相干性,而农地和林地则表现出了较强的季节性变化相干性;研究区内4种地物类型在一年各月中的平均相干系数值均高于0.32,满足长时序形变监测的相干性要求。通过与矿区的气象要素图对比,结果表明相干性的变化趋势与当地降水量、气温的变化趋势呈负相关关系。通过实地的走访勘查,表明农地和林地区域相干性表现出的强季节性变化与当地农作物种植周期、植被的生长周期有着密切关系。(3)基于小基线集(Small Baseline Subsets In SAR,SBAS-In SAR)技术的矿区建(构)筑物安全监测与损坏评估研究,验证了该方法的有效性。通过深入的分析对比矿区形变对建筑物结构损坏影响的因素和特点,筛选损坏指标;并根据矿区建筑物的实际结构特征,选取损坏评估模型,利用SBAS-In SAR技术能够快速获取区域面状形变信息的特点,提取损坏指标并结合损坏评估模型,实现矿区建筑物的快速动态安全监测与损坏评估。以淮南矿区杨聚庄居民区为例,基于2015年7月至2016年8月20景Sentinel-1A卫星影像数据,应用SBAS-In SAR技术反演了研究区在监测期内的形变信息,获取了研究区内的时间序列形变图,并基于时序形变结果,提取了研究区内建筑物的动态损坏评估结果图,并通过对研究区建筑物损坏情况的实地勘察结果进行验证。结果表明本次的损坏评估结果与研究区内建筑物实际损坏情况有较高的一致性,该方法为利用In SAR技术实现矿区区域建(构)筑物的快速动态安全监测与损坏评估提供了新的途径和手段。(4)联合时序InSAR和机器学习理论的矿区形变预测研究,提出了灰色支持向量机(Grey-Support Vector Machine model,GM-SVR)组合预测模型。通过利用时序In SAR技术获取的矿区时间序列形变结果,获取形变的时空演化规律和发展趋势;根据矿区的形变时空演化规律结合时序In SAR数据集的特点,基于组合建模的思想,综合灰色模型强大的线性处理和支持向量机优良的学习、泛化以及高维空间非线性处理能力的优势,建立GM-SVR组合预测模型,通过分别对线性和非线性形变分量的预测,最终实现矿区形变的预测研究。以研究区杨聚庄时序In SAR监测的结果进行预测模型的实例分析,验证了GM-SVR组合模型的全局预测能力,通过与单一预测模型的对比,结果表明GM-SVR组合模型预测精度最高且性能稳定,是一种有效的形变预测方法。
王刘宇[8](2020)在《联合SAR影像相位和强度信息的矿区形变监测关键技术研究》文中研究指明煤炭是我国的主体能源和重要的工业原料,煤炭工业作为重要的基础产业,有力支撑了我国国民经济和社会平稳较快发展。国家社会经济的发展离不开煤炭资源,但煤炭开采将可能导致生态环境、工业与民用建构筑物、交通电力通讯设施等损害。通过对矿区地表沉陷实时监测,获取开采沉陷规律,对于防治开采沉陷对生态环境的影响、指导矿区绿色安全生产和生态环境的治理与修复具有重要的理论和实用价值。合成孔径雷达(Synthetic Aperture Radar,SAR)技术是一种非接触式绿色监测手段,已在矿区形变监测方面得到了广泛的应用。合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术在矿区小变形监测方面具有较高的精度,但无法获取矿区大量级形变。子带干涉技术(sub-band InSAR)能降低解缠难度进而提高测量精度,但国内外对子带干涉技术的研究甚少。偏移量追踪方法(offset-tracking)可用于提取矿区大形变,但其监测精度相对较低。如何融合各方法的优势,获取矿区高精度大梯度形变信息是目前面临的科学问题,为此,本文重点研究了子带干涉技术在矿区形变监测中的适宜性、偏移量追踪方法在矿区形变监测中互相关窗口的选取方法及InSAR技术、子带干涉技术、偏移量追踪方法和概率积分模型融合的方法,通过与实测对比证明了方法的可靠性。主要工作及成果如下:(1)总结了SAR技术在矿区形变监测方面的研究现状,阐述了InSAR技术、子带干涉技术、偏移量追踪方法监测形变的原理,分析了三种方法的误差来源,简要介绍了概率积分模型原理,分析了水平煤层走向主断面上的下沉和水平移动的规律。(2)为探究子带干涉技术监测精度与子带带宽参数的关系,在分析研究不同分辨率、不同子带带宽对监测地表不同形变影响的基础上,确定了不同影像分辨率条件下最佳子带带宽选取方法,提出了融合子带干涉技术与概率积分模型的矿区大形变提取方法。实验结果表明:影像全频带宽越宽,子带干涉技术的监测精度越高;子带干涉技术的监测精度与全频带宽、子带带宽参数和形变量级有关;存在监测不同量级形变的最优全频带宽和子带带宽,因此,应根据影像带宽和下沉量级来选取合适的子带带宽以达到最优监测的目的。提出的基于概率积分模型的子带干涉技术去噪方法能够有效的去除子带干涉相位中的噪声。利用该方法提取了陕西大柳塔矿52304工作面的地表形变信息,与常规差分干涉测量技术(Differential InSAR,D-InSAR)和全球定位系统(global positioning system,GPS)实测数据进行对比分析发现:在小形变区域,常规D-InSAR比子带干涉技术具有更高的精度;在采空区边缘形变梯度大区域,常规D-InSAR已经完全无法监测正确的形变信息,而该方法能较好的获取地表形变信息,其标准差为0.108 m。(3)针对互相关窗口内形变梯度及影像间噪声对偏移量追踪方法监测精度影响较大的问题,系统研究了互相关窗口对偏移量追踪方法提取不同形变精度的影响,结果表明:小的互相关窗口可以保证形变结果的准确性,大的互相关窗口可以较好的抑制噪声,在形变梯度较大的区域,大的互相关窗口则会造成形变压缩,因此,当主辅影像间存在噪声时,对于非形变区域和形变梯度较小的区域,选取较大的互相关窗口来抑制噪声对形变结果的影响;对于形变梯度较大的区域,选取较小的互相关窗口来保证形变信息的准确性,为此,提出了一种基于形变梯度的自适应互相关窗口的偏移量追踪方法。使用该方法对两景间隔143天的TSX影像进行了形变提取,实验结果证明了该方法的可靠性和有效性。(4)针对InSAR技术和偏移量追踪方法受矿区植被影响很难获取矿区完整形变场的问题,提出了基于概率积分模型的融合InSAR技术和偏移量追踪方法的IOP方法来获取矿区高精度的完整形变场。IOP方法利用InSAR技术和偏移量追踪方法获得的部分离散点的形变信息,通过概率积分模型求取参数和计算植被区未获取的形变信息,填补了InSAR技术和偏移量追踪方法未获取的形变信息,从而可以获取植被区完整的形变场。通过与GPS测量数据比较,IOP方法走向和倾向的监测精度分别为0.122 m和0.103 m,其监测精度优于InSAR技术和偏移量追踪方法。(5)针对InSAR(小梯度)、子带干涉(中梯度)、偏移量追踪(大梯度)监测不同变形的适应性和精度,提出了基于概率积分模型的融合InSAR技术、子带干涉技术和偏移量追踪方法获取高精度的矿区完整形变场的ISOP方法,该方法采用InSAR获取盆地边缘小形变信息、子带干涉获取采空区边缘中等形变信息及偏移量追踪获取盆地中心大梯度形变信息,采用概率积分模型去燥、融合三种方法结果及反演,从而获取矿区高精度完整形变信息场。通过大柳塔矿52304工作面实验结果表明:SAR影像视线向平均最大形变速度达到140 mm/day,最大累积形变达到3.605 m,与GPS测量数据进行对比,ISOP方法的走向和倾向的均方根误差分别为0.161 m、0.105 m。该论文有图78幅,表31个,参考文献173篇。
王晓蕾,姬志岗,魏慷,陈建华,王香菊,薛涵婷,张志远,李开波[9](2020)在《煤层开采地表沉陷监测及预测技术现状及发展趋势》文中认为煤矿开采地表沉陷监测及预测对于煤矿地表治理及环境保护具有重要意义。详细阐述了煤矿地表沉陷监测及预测方法,并对其监测及预测过程进行了较为详细的论述与分析。指出地表沉陷监测及预测存在的问题,针对存在的问题,提出了未来基于互联网+技术以及码/载波相位扩散技术(CCD)和全球定位系统(GPS)组合传感器技术,对矿区监测数据进行实时监测并进行数据处理,对处理后的数据实时传送到数据中心,数据中心根据监测结果实时调整监测区域达到最优监测效果;未来地表沉陷预测发展应考虑开采地质条件、开采工艺、开采深度、开采厚度等因素对于地表沉陷的影响,在预测的过程中确定因素的影响程度,合理选择预测方法,提高预测精度。
常金钟[10](2020)在《基于InSAR技术的矿区开采沉陷研究》文中进行了进一步梳理煤炭资源一直以来是我国经济发展和社会进步的重要能源保障,且煤炭资源属于不可再生资源,长期以来,对煤炭资源的过分依赖,在一定程度破坏着我国人民赖以生存的自然生态环境,其中以矿区地表沉降最为严重,甚至于会引发地质灾害。煤矿开采区域因开采所引起的沉降,有时发展缓慢,有时发展快速,为了确保人民生命财产安全,就需要通过一定的技术手段来进行矿区地表沉降监测与未来预测。合成孔径雷达差分干涉(D-InSAR)技术是一种具有主动微波遥感的技术,并且其相对于传统的沉降监测手段,具有高精度,全天时,全天候和覆盖范围广等特点,传统的沉降监测手段耗费大量的人力,物力,在地形复杂地区难以实现人工监测,且传统手段只能得到研究区域的工作面上一系列的离散点,对于面域上沉降机理的作用有限。现如今InSAR技术已经成为空间对地观测领域的热门,而且InSAR技术的优势是传统监测技术所无法达到的,小基线集(Small Baseline Set,SBAS)时序方法理论上可以达到毫米级的精度。在矿区沉降监测过程中,矿区地表沉降速率快、沉降量级大等特点,容易受到时间、空间失相关,大气延迟等因素的影响,本文针对InSAR技术在矿区开采沉陷中的问题,以胡家河井田为例,利用小基线集技术对井田的开采沉陷进行监测分析,并结合加权非等时距灰色Verhulst模型建立胡家河井田开采沉陷预计模型。论文的主要工作和成果如下:(1)InSAR技术的基本原理。简单介绍了 InSAR与D-InSAR技术的基本原理、主要方法,并在此基础上,详细描述了 InSAR技术的处理流程、主要误差来源,并以此引出了时序InSAR技术-小基线集,并对SBAS的基本原理和处理流程进行了简单的介绍。(2)针对胡家河井田地表沉降问题,采用SBAS-InSAR技术对29景Sentinel-IA影像,获得该井田地表沉降信息,在研究时段内共有两处明显沉降区域,结合开采工作面走、倾向剖线和特征点分析该井田的沉降区域与开采工作面分布、开采情况和开采距离具有良好的一致性。利用工作面地表布设的GPS观测值对SBAS-InSAR得到的监测结果进行验证分析。(3)提出利用时序SBAS-InSAR技术与加权非等时距灰色Verhulst沉陷预计模型,将SBAS-InSAR监测得到的时序沉降量,在401102工作面走、倾向上的特征点,建立胡家河井田沉陷预计模型,并对得到的预计结果进行精度评定。结果表明,通过时序SBAS-InSAR和灰色加权非等时距Verhulst算法建立预测模型,拟合度较好,预测精度较高,符合工程应用的需求,为矿区开采沉陷提供了可靠的理论依据。
二、GPS开采沉陷观测方法的探讨(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GPS开采沉陷观测方法的探讨(论文提纲范文)
(1)加权机器学习方法在淮南矿区参数反演和沉陷预计中的应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 开采沉陷国内外研究现状 |
1.2.2 概率积分参数预计现状 |
1.2.3 开采沉陷时间特征的非线性预计现状 |
1.3 研究内容和技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
1.3.3 文章结构和安排 |
2 基于多种群遗传算法的概率积分法参数反演 |
2.1 MPGA反演概率积分法参数模型 |
2.1.1 MPGA基础理论 |
2.1.2 基于MPGA算法的概率积分法参数反演流程模型 |
2.2 模拟实验 |
2.2.1 设计工作面地质采矿条件及沉陷预计参数和MPGA参数 |
2.2.2 MPGA和SGA的比较 |
2.2.2.1 MPGA与SGA准确性的比较 |
2.2.2.2 MPGA与SGA抗随机误差的比较 |
2.2.2.3 MPGA与SGA抗粗差的比较 |
2.2.2.4 MPGA与SGA对于缺失点的抗干扰能力比较 |
2.3 工程实例 |
2.4 本章小结 |
3 一种新的基于神经网络的概率积分法参数预计算法 |
3.1 NIBPNN概率积分法参数预计模型基本概念 |
3.1.1 BPNN概率积分法参数预计 |
3.1.2 IBPNN概率积分参数预计 |
3.1.3 NIBPNN概率积分参数预计 |
3.2 工程实例与结果分析 |
3.2.1 输入输出节点和取点个数的选取 |
3.2.2 矿区样本 |
3.2.3 结果分析 |
3.3 本章小结 |
4 融合混沌残差的BP强预测器的地表下沉预测模型 |
4.1 融合混沌残差BP-Adaboost预测原理 |
4.1.1 混沌残差序列的预测 |
4.1.1.1 残差序列的相空间重构 |
4.1.1.2 残差序列混沌特性的识别 |
4.1.1.3 一阶加权局域预测法 |
4.1.2 融合混沌残差BP-Adaboost预测原理 |
4.2 工程实例 |
4.2.1 工程应用 |
4.2.2 最大下沉点活跃期的预测 |
4.2.3 最大下沉点稳定期的预测 |
4.3 本章小结 |
5 一种带有混沌残差的多核支持向量机的水下预测模型 |
5.1 CHAOS-GA-MK-ε-SVM原理 |
5.1.1 GA-MK-ε-SVM的基本原理 |
5.1.2 CHAOS-GA-MK-ε-SVM原理 |
5.2 工程实例 |
5.2.1 淮南顾北煤矿1312 (1)首采面为例 |
5.2.1.1 CHAOS-GA-MK-ε-SVM模型水下预测模型构建 |
5.2.1.2 六种不同预测模型的精度比较 |
5.2.2 谢桥煤矿2111 (3)为例 |
5.2.2.1 地质采矿条件简介 |
5.2.2.2 CHAOS-GA-MK-ε-SVM模型水下预测模型构建 |
5.2.2.3 六种不同预测模型的精度比较 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介及读研期间主要科研成果 |
(2)基于三维激光扫描的矿区开采沉陷地表形变监测方法及采动损害分析研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 变形监测研究现状 |
1.2.2 三维激光扫描技术在变形监测中的应用研究现状 |
1.2.3 三维激光扫描数据处理研究现状 |
1.3 研究内容及方案 |
1.3.1 主要研究内容 |
1.3.2 论文结构安排 |
1.4 本章小结 |
2 三维激光扫描仪测量精度影响因素分析 |
2.1 三维激光扫描基本原理 |
2.2 三维激光扫描误差来源 |
2.3 三维激光扫描仪测量方法精度分析 |
2.3.1 实验场地的选择 |
2.3.2 外符合精度评价 |
2.3.3 内符合精度评价 |
2.3.4 仪器不等高对测量精度的影响 |
2.3.5 仪器扫描物体的距离对测量精度的影响 |
2.3.6 点云密度对测量结果精度的影响 |
2.4 基于QPSO算法的三维激光标靶球球心拟合方法 |
2.4.1 三维激光标靶球球心拟合基础理论 |
2.4.2 基于QPSO算法的三维激光标靶球球心拟合方法构建 |
2.4.3 模拟实验 |
2.4.4 工程实例 |
2.5 本章小结 |
3 一种基于概率积分法辅助的开采沉陷三维激光扫描监测方法研究 |
3.1 基于3DLS-PIM的开采沉陷监测方法研究 |
3.1.1 基于3DLS-PIM的开采沉陷监测原理 |
3.1.2 基于3DLS-PIM的开采沉陷监测辅助条件方程及参数估计方法 |
3.1.3 基于3DLS-PIM的开采沉陷监测方法应用流程 |
3.2 工程应用 |
3.2.1 实验区环境与地质采矿条件概况 |
3.2.2 三维激光扫描监测方案与数据预处理 |
3.2.3 基于3DLS-PIM的开采沉陷监测实验及结果分析 |
3.3 基于QPSO的3DLS-PIM参数求解性能评价 |
3.3.1 模拟实验 |
3.3.2 工程验证 |
3.4 本章小结 |
4 基于三维激光扫描技术的矿区建筑物变形监测与采动损害评估研究 |
4.1 基于三维激光的建筑物变形监测与采动损害评估原理 |
4.1.1 基于三维激光的建筑物变形监测精度设计方法 |
4.1.2 建筑物移动与变形计算与采动损害评估方法 |
4.2 基于3DLS-PIM的建筑物采动损害程度预测方法 |
4.3 工程实例 |
4.3.1 矿区建筑物变形监测概况 |
4.3.2 三维激光扫描仪观测方案设计 |
4.3.3 建筑物变形提取与采动损害评估 |
4.3.4精度评定 |
4.4 地表变形对不同结构房屋损坏的变形规律分析 |
4.5 本章小结 |
5 结论与展望 |
5.1 主要结论 |
5.2 研究展望 |
参考文献 |
致谢 |
作者简介及读研期间主要科研成果 |
(3)基于时序InSAR矿区地表三维形变预计研究 ——以淮南矿区某采煤工作面为例(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 InSAR形变监测国内外研究现状 |
1.2.1 国外发展现状 |
1.2.2 国内发展现状 |
1.2.3 InSAR矿区三维形变研究现状 |
1.3 主要研究内容 |
1.3.1 存在的问题 |
1.3.2 研究内容及目标 |
1.3.3 文章的组织结构 |
1.4 本章小结 |
2 InSAR地表形变值获取理论与方法 |
2.1 InSAR技术基本原理 |
2.1.1 SAR侧视成像几何特征 |
2.1.2 InSAR技术原理 |
2.1.3 D-InSAR技术原理 |
2.2 时序InSAR |
2.2.1 PS-InSAR |
2.2.2 SBAS-InSAR |
2.3 SAR技术矿区三维形变值获取适应性分析 |
2.3.1 LOS形变几何分析 |
2.3.2 InSAR矿区地表三维形变监测方法 |
2.3.3 矿区大梯度形变InSAR技术适应性分析 |
2.4 SBAS-InSAR矿区实验数据处理 |
2.4.1 研究区域概况 |
2.4.2 研究数据说明 |
2.4.3 SBAS数据处理 |
2.5 本章小结 |
3 基于InSAR的幂指数Knothe模型地表沉陷预计 |
3.1 Knothe模型 |
3.1.1 Knothe时间函数模型 |
3.1.2 分段Knothe时间函数模型 |
3.1.3 幂指数Knothe时间函数模型 |
3.2 双参数对Knothe时间函数模型曲线的影响 |
3.3 基于时序InSAR监测值PSO参数反演方法 |
3.3.1 PSO算法基本原理 |
3.3.2 PSO参数反演算法实现 |
3.4 时序InSAR技术反演模型参数实验 |
3.4.1 时序InSAR测量结果 |
3.4.2 模型参数反演 |
3.4.3 结果误差分析 |
3.5 本章小结 |
4 研究区地表三维形变信息获取与模型构建 |
4.1 矿区地表形变特征 |
4.2 LOS值与三维形变值函数关系 |
4.3 结合幂指数Knothe模型三维形变函数关系建立 |
4.3.1 基于LOS形变值地表三位形变提取方法 |
4.3.2 结合幂指数Knothe模型地表三维形变模型建立 |
4.4 研究区域三维信息提取及模型构建 |
4.4.1 三维信息提取 |
4.4.2 三维模型构建 |
4.4.3 平面精度验证 |
4.5 本章小结 |
5 结论与展望 |
5.1 主要结论 |
5.2 研究不足与展望 |
参考文献 |
致谢 |
作者简介 |
(4)基于SBAS-InSAR技术的综放工作面地表沉陷监测及预测研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 开采沉陷理论研究现状 |
1.2.2 地表沉陷监测研究现状 |
1.2.3 覆岩破断及地表沉陷规律研究现状 |
1.2.4 地表沉陷预测方法研究现状 |
1.2.5 存在问题及发展趋势 |
1.3 研究内容及技术路线 |
2 研究区域及监测数据源概况 |
2.1 研究区域概况 |
2.1.1 自然地理与地质构造 |
2.1.2 煤层特征与覆岩岩性 |
2.1.3 研究工作面基本状况 |
2.2 监测数据源 |
2.2.1 Sentinel-1A数据 |
2.2.2 DEM数据 |
2.2.3 精密轨道数据 |
2.2.4 GPS沉陷监测数据 |
2.3 本章小结 |
3 基于SBAS-InSAR技术的地表沉陷监测 |
3.1 雷达干涉测量基本原理及误差来源 |
3.1.1 InSAR技术测高原理 |
3.1.2 常规D-InSAR技术原理 |
3.1.3 SBAS-InSAR技术原理 |
3.1.4 InSAR技术主要误差来源 |
3.2 401102工作面地表沉陷监测及分析 |
3.2.1 Sentinel-1A数据处理 |
3.2.2 监测结果验证 |
3.2.3 地表沉陷监测结果分析 |
3.3 本章小结 |
4 覆岩破断对地表沉陷的影响分析 |
4.1 覆岩状态演化特征及关键层判别 |
4.1.1 各开采阶段覆岩状态演化特征 |
4.1.2 覆岩关键层判别方法 |
4.1.3 401102工作面上覆关键层判别 |
4.2 401102工作面覆岩破断对地表沉陷的影响 |
4.2.1 401102工作面数值模型建立 |
4.2.2 覆岩关键层破断特征分析 |
4.2.3 覆岩关键层破断对地表沉陷的影响 |
4.2.4 数值模拟与监测结果对比分析 |
4.3 本章小结 |
5 基于Adaboost-PSO-BP模型的地表沉陷预测 |
5.1 地表沉陷影响因素分析 |
5.1.1 采矿因素 |
5.1.2 地质因素 |
5.1.3 地形因素 |
5.2 开采沉陷预测模型的原理 |
5.2.1 BP神经网络模型 |
5.2.2 粒子群算法优化BP神经网络模型 |
5.2.3 Adaboost-PSO-BP强预测模型 |
5.3 开采沉陷预测模型的建立与应用 |
5.3.1 样本数据 |
5.3.2 预测模型的建立 |
5.3.3 各模型预测结果精度对比 |
5.3.4 强预测模型在401102工作面的应用 |
5.4 本章小结 |
6 结论与展望 |
致谢 |
参考文献 |
附录 |
(5)基于SBAS-InSAR的矿区沉降监测及动态预计研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 InSAR技术国内外研究现状 |
1.2.2 开采沉陷预计国内外研究现状 |
1.2.3 InSAR技术监测矿区形变的国内外研究现状 |
1.3 论文研究内容和结构 |
1.3.1 主要研究内容 |
1.3.2 论文结构安排 |
2 主要技术原理 |
2.1 D-InSAR技术原理 |
2.1.1 D-InSAR技术的误差来源 |
2.2 SBAS-InSAR技术原理 |
2.3 DE-GWO算法原理 |
2.4 改进Knothe时间函数原理 |
2.5 概率积分法原理 |
2.6 FLAC3D数值模拟原理 |
2.7 本章小节 |
3 SBAS-InSAR的沉降盆地边界信息提取 |
3.1 研究区概况 |
3.2 SBSA-InSAR数据处理 |
3.2.1 实验数据介绍 |
3.2.2 实验数据处理 |
3.3 实验结果和精度分析 |
3.3.1 实验结果分析 |
3.3.2 边界点结果精度验证 |
3.4 本章小结 |
4 动态概率积分法预计模型参数求取及实验分析 |
4.1 InSAR侧视成像与PIM模型的几何关系 |
4.2 ITPIM模型介绍 |
4.3 InSAR-ITPIM模型参数求取方法 |
4.3.1 ITPIM模型参数求取方法 |
4.3.2 幂指数Knothe时间函数模型参数求取方法 |
4.4 PIM模型参数求取仿真实验 |
4.4.1 地质采矿条件模拟 |
4.4.2 InSAR视线向应变模拟 |
4.4.3 实验结果分析 |
4.5 InSAR-ITPIM动态预计工程实例应用 |
4.5.1 工作面PIM模型参数求取 |
4.5.2 幂指数knothe时间函数模型参数求取 |
4.5.3 InSAR-ITPIM动态预计实验 |
4.6 FLAC3D数值模拟实验 |
4.7 实验结果分析 |
4.8 本章小结 |
5 结论与展望 |
结论 |
展望与不足 |
致谢 |
参考文献 |
攻读硕士期间取得的研究成果 |
(6)基于InSAR/GIS的矿区地下非法开采监测关键技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 论文结构安排 |
2 InSAR技术理论基础 |
2.1 SAR成像原理及影像特征 |
2.2 InSAR技术原理 |
2.3 D-InSAR技术原理 |
2.4 时序InSAR技术 |
2.5 本章小结 |
3 面向地下非法采矿识别的GIS时空数据模型 |
3.1 矿山开采沉陷时空变化分析与表达 |
3.2 矿山开采沉陷动态过程模拟与描述 |
3.3 面向非法采矿识别GIS时空数据模型的逻辑组织 |
3.4 地下非法采矿识别平台体系结构 |
3.5 本章小结 |
4 基于D-InSAR开采沉陷特征的地下无证开采识别 |
4.1 矿山地表与图层对象动态关系构建 |
4.2 矿山地表形变D-InSAR监测 |
4.3 开采沉陷特征提取和沉陷区圈定 |
4.4 实例分析与验证 |
4.5 本章小结 |
5 融合PS-InSAR和光学遥感的地下无证开采识别 |
5.1 矿山地表与传感器对象动态关系构建 |
5.2 联合PS-InSAR和光学遥感提取地表建筑物的沉陷信息 |
5.3 基于建筑物沉陷时空特征的地下无证开采识别方法 |
5.4 实例分析与验证 |
5.5 本章小结 |
6 面向越界开采识别的地下开采面位置反演 |
6.1 矿山地表与开采面对象动态关系构建 |
6.2 地下开采引起的地表沉陷规律 |
6.3 开采沉陷预计原理和模型 |
6.4 基于InSAR和沉陷预计理论的地下开采面反演 |
6.5 工程实例及分析 |
6.6 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 主要创新点 |
7.3 不足和展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(7)基于InSAR和Sentinel-1A的淮南矿区形变灾害监测研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 淮南矿区地面形变灾害研究现状 |
1.2.2 InSAR技术的研究现状 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 创新点 |
1.3.3 技术路线 |
第二章 合成孔径雷达干涉测量原理 |
2.1 概述 |
2.2 合成孔径雷达干涉技术 |
2.2.1 InSAR工作模式 |
2.2.2 InSAR原理 |
2.2.3 干涉相位组成分析 |
2.3 差分合成孔径雷达干涉技术 |
2.3.1 D-InSAR原理及方法 |
2.3.2 D-InSAR处理流程 |
2.3.3 D-InSAR的局限性分析 |
2.4 时间序列InSAR技术 |
2.4.1 永久散射体干涉技术 |
2.4.2 小基线集技术 |
2.5 本章小结 |
第三章 基于D-InSAR技术和SENTINEL-1A的淮南矿区形变识别与时序相干性分析 |
3.1 引言 |
3.2 研究区域地理与地质环境基本概况 |
3.2.1 区域地形、地貌 |
3.2.2 气象与水文 |
3.2.3 地层岩性 |
3.2.4 地质构造 |
3.2.5 区域灾害现状 |
3.3 SAR影像数据选取 |
3.4 D-InSAR技术的淮南矿区形变区域识别与特征分析 |
3.4.1 研究区数据选择 |
3.4.2 研究区数据处理 |
3.4.3 结果与分析 |
3.5 基于SENTINEL-1A数据的地物类型时序相干性研究 |
3.5.1 失相干性因素分析 |
3.5.2 研究区选择 |
3.5.3 研究区数据 |
3.5.4 结果与分析 |
3.6 本章小结 |
第四章 基于SBAS-InSAR技术的矿区建(构)筑物安全监测与损坏评估研究 |
4.1 引言 |
4.2 开采沉陷影响分析 |
4.2.1 岩层移动 |
4.2.2 地表移动 |
4.3 矿区建筑物安全因素分析 |
4.3.1 地表形变对建筑的影响 |
4.3.2 建筑物自身特征的影响 |
4.3.3 大气环境对建筑物的影响 |
4.4 基于SBAS技术的建筑物损坏评估技术 |
4.4.1 建筑物损坏评估模型 |
4.4.2 SBAS-InSAR技术 |
4.4.3 损坏评估指标的选取 |
4.5 形变结果提取与分析 |
4.5.1 研究区选择 |
4.5.2 研究区数据选择 |
4.5.3 干涉对组合参数 |
4.5.4 高相干目标点获取 |
4.5.5 形变结果获取 |
4.5.6 形变结果的精度分析 |
4.5.7 时序形变特征分析 |
4.6 建筑物安全评估 |
4.6.1 倾斜指标的提取 |
4.6.2 研究区建筑物特征分析 |
4.6.3 建筑物损坏评估 |
4.6.4 建筑物损坏情况实地调查分析 |
4.7 本章小结 |
第五章 基于InSAR与GM-SVR模型的矿区形变预测研究 |
5.1 引言 |
5.2 GM-SVR模型的构建 |
5.2.1 预测模型的概述 |
5.2.2 GM-SVR模型的建立 |
5.2.3 模型原理介绍 |
5.2.4 模型精度评估指标 |
5.3 基于InSAR的矿区形变预测实例 |
5.3.1 InSAR原始观测数据获取 |
5.3.2 形变预测结果与分析 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 主要研究成果与结论 |
6.2 研究展望 |
参考文献 |
攻读学位期间的学术活动及成果情况 |
致谢 |
(8)联合SAR影像相位和强度信息的矿区形变监测关键技术研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 论文章节安排 |
2 SAR形变测量和概率积分模型原理 |
2.1 InSAR技术原理 |
2.2 子带干涉技术原理 |
2.3 偏移量追踪方法原理 |
2.4 概率积分模型原理 |
2.5 本章小结 |
3 基于概率积分模型的子带干涉技术监测矿区大形变 |
3.1 针对矿区形变监测的子带带宽选取方法 |
3.2 基于概率积分模型的子带干涉技术监测矿区形变实验 |
3.3 本章小结 |
4 基于形变梯度的偏移量追踪自适应互相关窗口选取方法 |
4.1 偏移量追踪方法的互相关窗口选取方法 |
4.2 自适应互相关窗口的偏移量追踪方法监测矿区大形变 |
4.3 本章小结 |
5 基于IOP方法的矿区完整形变场提取方法研究 |
5.1 IOP方法原理 |
5.2 研究区域概况与实验数据 |
5.3 实验结果与分析 |
5.4 本章小结 |
6 基于ISOP方法的矿区地表形变监测方法研究 |
6.1 ISOP方法原理 |
6.2 研究区域概况与实验数据 |
6.3 实验结果与分析 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(9)煤层开采地表沉陷监测及预测技术现状及发展趋势(论文提纲范文)
1 地表沉降监测技术 |
1.1 水准测量 |
1.1.1 观测站与工作点及变形观测点建立 |
1.1.2 数据处理 |
1.2 GPS测量 |
1.2.1 监测布置 |
1.2.2 监测分析 |
1.3 雷达干涉测量技术 |
1.3.1 研究区概括 |
1.3.2 数据与方法 |
1.3.3 数据分析 |
1.4 三维激光扫描技术 |
1.4.1 监测区概况 |
1.4.2 监测数据处理 |
(1)点云配准。 |
(2)测站拼接。 |
(3)数据建模。 |
1.4.3 数据分析 |
2 地表沉降预测技术 |
2.1 相似模拟 |
2.1.1 相思参数计算 |
(1)几何相似: |
(2)运动相似: |
(3)容重相似,要求模型与原型的容重都相似: |
2.1.2 观测方法 |
2.1.3 沉降分析 |
2.2 数值模拟 |
2.2.1 模型设计 |
2.2.2 模拟结果与分析 |
2.3 数学方法 |
2.3.1 预测流程 |
2.3.2 测线布置 |
2.3.3 预测结果与分析 |
3 存在问题 |
3.1 监测方法 |
3.2 预测方法 |
4 结论与展望 |
(10)基于InSAR技术的矿区开采沉陷研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 InSAR技术用于矿区沉降的国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文研究内容与章节安排 |
2 InSAR技术基本原理及方法 |
2.1 引言 |
2.2 InSAR技术原理 |
2.2.1 高程测量的基本原理 |
2.2.2 干涉相位的组成 |
2.3 D-In SAR技术 |
2.3.1 D-In SAR技术基本原理 |
2.3.2 D-In SAR技术主要方法 |
2.3.3 InSAR技术的处理流程 |
2.3.4 D-In SAR技术的局限性 |
2.3.5 InSAR技术的误差来源 |
2.4 SBAS-In SAR技术 |
2.4.1 SBAS-In SAR的基本原理 |
2.4.2 SBAS-In SAR的技术流程 |
2.5 本章小结 |
3 研究区域及数据概况 |
3.1 研究区域概况 |
3.1.1 地理位置 |
3.1.2 自然地理与地质构造 |
3.1.3 可采煤层 |
3.1.4 工作面基本情况 |
3.1.5 煤层开采方式 |
3.2 SAR数据介绍 |
3.3 DEM数据 |
3.4 精密轨道数据 |
3.5 软件平台及其他数据 |
3.5.1 软件平台 |
3.5.2 实测数据 |
3.6 本章小结 |
4 基于SBAS-In SAR技术的采空区沉降研究 |
4.1 SBAS-In SAR技术数据处理 |
4.1.1 干涉像对的选择 |
4.1.2 干涉图生成 |
4.2 监测结果分析 |
4.2.1 矿区沉降监测分析 |
4.2.2 矿区累计沉降量时序分析 |
4.3 结果验证 |
4.4 本章小结 |
5 灰色Verhulst模型沉陷预计 |
5.1 矿区开采沉陷预计方法概述 |
5.2 基于灰色加权非等时距Verhulst模型预计的基本思想 |
5.2.1 非等时距灰色Verhulst模型原理 |
5.2.2 权矩阵的构建 |
5.3 模型精度检验 |
5.4 实验分析 |
5.5 本章小结 |
6 结论与展望 |
6.1 主要工作和结论 |
6.2 不足与展望 |
致谢 |
参考文献 |
附录 |
四、GPS开采沉陷观测方法的探讨(论文参考文献)
- [1]加权机器学习方法在淮南矿区参数反演和沉陷预计中的应用[D]. 陈兴达. 安徽理工大学, 2021(02)
- [2]基于三维激光扫描的矿区开采沉陷地表形变监测方法及采动损害分析研究[D]. 朱尚军. 安徽理工大学, 2021(02)
- [3]基于时序InSAR矿区地表三维形变预计研究 ——以淮南矿区某采煤工作面为例[D]. 卢克东. 安徽理工大学, 2021(02)
- [4]基于SBAS-InSAR技术的综放工作面地表沉陷监测及预测研究[D]. 邢垒. 西安科技大学, 2021(02)
- [5]基于SBAS-InSAR的矿区沉降监测及动态预计研究[D]. 张童康. 西安科技大学, 2021(02)
- [6]基于InSAR/GIS的矿区地下非法开采监测关键技术研究[D]. 夏元平. 中国矿业大学, 2020
- [7]基于InSAR和Sentinel-1A的淮南矿区形变灾害监测研究[D]. 李金超. 合肥工业大学, 2021(02)
- [8]联合SAR影像相位和强度信息的矿区形变监测关键技术研究[D]. 王刘宇. 中国矿业大学, 2020(07)
- [9]煤层开采地表沉陷监测及预测技术现状及发展趋势[J]. 王晓蕾,姬志岗,魏慷,陈建华,王香菊,薛涵婷,张志远,李开波. 科学技术与工程, 2020(24)
- [10]基于InSAR技术的矿区开采沉陷研究[D]. 常金钟. 西安科技大学, 2020(01)