基于无人机倾斜摄影测量技术与SVR算法的开采沉陷监测与预计

为实现矿区开采沉陷高精度监测与预计,将无人机倾斜摄影测量技术与支持向量回归算法(Support Vector Regression Algorithm,SVR)相结合,对赤峰市六家煤矿采区沉降量进行了监测与预计,并将预计结果与GPS实测结果进行了对比。结果表明:GPS实测矿区10 d测量沉降量为0.2~15.8 mm,东西南北区平均沉降量分别为51.2、31.5、46.6、130.8 mm,北侧沉降量分别为东、西、南侧的2.55、4.15、2.81倍,矿区北侧为沉降严重区,需要进行重点监测并制定合理有效的防治措施。基于无人机倾斜摄影测量技术与SVR算法预测的矿区东西南北区累计平均沉降量分别为49.4、31.5、45.8、134.6 mm,所有测点2种测量方式所得相对误差均在5%以内,反映出所提方法预计精度较高,为实现矿区开采沉陷高精度监测与预计提供了参考。

融合SBAS-InSAR技术与GRO-BiLSTM模型的开采沉陷边界划定方法

确定矿山开采沉陷边界有助于评估矿区生产活动对周围环境和基础设施的潜在影响,为制定有效的灾害防控措施提供技术手段。充分考虑到概率积分法等传统方法在划定矿山开采沉陷边界时的不足,采用在获取矿区大范围高精度地表沉降数据方面具有优势的SBAS-InSAR技术,并结合淘金算法(Gold Rush Optimizer,GRO)优化双向长短期记忆(Bidirectional Long Short Term Memory,BiLSTM)模型的预测方法,实现矿区开采沉陷边界划定。以红会煤矿为研究对象,依据SBAS-InSAR技术提取矿区沉降边缘高相干点在2018-11-29—2020-02-04时间段内共37期沉降数据,以下沉10 mm等值线划定沉陷边界,利用GRO-BiLSTM优化模型预测高相干点的地表沉降值,并将预测结果与LSTM和BiLSTM模型预测结果进行了对比分析。结果表明:GRO-BiLSTM模型在整体测试集中均方根误差为3.204mm,比LSTM和BiLSTM模型分别降低了22.16%和8.21%;平均绝对误差为2.062 mm,比LSTM和BiLSTM模型分别降低了23.96%和5.43%,表明该方法可以有效监测和预测矿区边界地区的沉陷状况。

SBAS-InSAR技术融合CNN-LSTM模型的矿区开采沉陷监测与预测

针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的矿区开采沉陷监测预测方法。首先,利用SBAS-InSAR技术对建新煤矿进行矿区开采沉陷监测,获取了该矿区的年平均沉降速率和累计沉降值。用GNSS监测数据与SBAS-InSAR结果进行对比验证,其拟合效果较好。其次,在此基础上利用CNN-LSTM模型预测后6期沉降数据,其结果与CNN和LSTM预测结果进行对比。研究显示,CNN-LSTM模型的平均绝对误差(S_(MAE))和均方根误差(S_(RMSE))比单一的CNN和LSTM分别至少降低了44.8%和40.6%,其决定系数均高于98%。最后,进一步预测前6期和中6期沉降数据,验证了CNN-LSTM预测模型在时间上的一致性。因此,SBAS-InSAR融合CNN-LSTM模型在类似矿山开采沉陷监测和预测中有较好的应用前景。

基于C#语言与ArcGIS Engine 的开采沉陷预计系统开发

为了预计煤层开采引发的地表移动变形,基于极坐标系的概率积分法,借助C#语言和ArcGIS Engine组件工具库设计开发了矿区开采沉陷预计系统。开采沉陷预计系统适用于不规则形状的开采工作面,能够对开采区域地表各点不同开采时间后的下沉、水平移动、水平变形、倾斜、曲率进行预计,并对预计结果进行后处理,绘制地表移动变形云图。以陕西省某矿308工作面开采为例,根据工作面的开采条件、地层岩性等特征选取概率积分参数并代入本系统进行地表移动变形预计,将结果与实测地表移动变形进行对比分析。结果表明:使用该系统预计的地表下沉值与实测下沉值的相对误差小于10%,且下沉盆地形态与实际基本吻合,该系统的预计结果较为可靠,对矿区的开采沉陷预计具有一定的适用性。

基于遗传算法的煤矿开采沉陷预测研究

由于煤矿开采条件复杂,因此在工程中难以准确地预测实际沉陷情况,导致矿区下沉量原始数据拟合曲线与预测数据拟合曲线偏差大。本文研究基于遗传算法的煤矿开采沉陷预测方法,通过合理布设沉陷测点获取准确数据,并综合考虑地质条件等因素构建预测模型。采用遗传算法优化模型参数,以提高预测精度。试验结果显示,基于遗传算法的预测方法显著优于其他方法,预测结果与实际测量值高度一致。当采用该方法处理非线性关系和多变因素时表现优越,为矿区安全开采和环境保护提供了科学依据,具有实际的应用价值。

基于U2-Net的广域In SAR开采沉陷区自动识别方法研究

我国井工煤矿量大面广,地下开采隐蔽性强,现有的人工调查、遥感探测、现场实测等方式难以满足大范围开采沉陷区自动识别实现要求,不利于实现高效监管、动态监测。为此,提出了一种基于U2-Net的广域合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)开采沉陷区自动识别方法,该方法通过各种形变梯度和噪声水平的模拟数据集训练卷积神经网络(Convolutional Neural Network,CNN),使其能够实现由差分干涉图一步输出包含开采沉陷位置信息的二值矩阵。试验表明:U2-Net的平均像素准确率(Mean Pixel Accuracy,MPA)和平均交并比(Mean Intersection Over Union,MIoU)分别达到了0.9163、0.9119,均高于试验中的其他2种模型,能够更好地抑制噪声,突出形变信号。在覆盖神东矿区不同时间间隔的In SAR干涉图上,U2-Net自动识别了覆盖面积超过54600 km2的干涉图,检测出了多处边界信息清晰平滑的沉陷区,识别的平均准确率达到92.45%。结果表明:对比其他网络,U2-Net通过2级嵌套的“U”形结构能够以较小的计算量融合多尺度和多层次特征,在噪声抑制和形变区域识别方面具有显著优势。由此可见,联合深度学习可服务于精细化开采沉陷区详细调查,促进In SAR技术的应用,为广域开采沉陷区智能识别提供了一种新的技术方法。

基于分段Knothe时间函数的开采沉陷预计模型优化及应用

淮南矿区煤层埋深达800~1200 m,开采影响传播时间长,在使用原始分段Knothe时间函数模型预计该地区地表沉陷动态过程时,存在的不足为:预计的地表沉陷无启动阶段,下沉速度达到最大时对应的地表沉陷值并不等于最大下沉值的1/2,时间因素影响系数(c)以及地面点最大下沉速度对应的时刻(τ)无法实现自适应取值。通过理论研究以及资料分析,应用地表沉陷启动时间t_(0)以及修正模型对Knothe时间函数模型进行优化,并结合淮南矿区地质特征以及概率积分模型相关理论构建了c、τ求解模型,提出了适合淮南厚冲积层矿区的分段Knothe时间函数优化模型。以淮南某矿1613(3)工作面为例,采用所提优化Knothe时间函数模型、原始分段Knothe时间函数模型、分段Knothe时间函数模型分别进行了地表沉陷预测。结果表明:以地表点的实测值作为参考,所提出的优化模型在预计地表形变时,预计标准差为295.8 mm,总体精度较原始分段Knothe时间函数提高了49%,较分段Knothe时间函数提高了53%,证明了所提优化模型的优异性。

结合改进Weibull时间函数的开采沉陷动态预测模型

煤炭开采引起的地表沉陷是一个多维动态变化过程,动态预测可以获取采空区上方任意位置、时刻的形变大小,对保护地面基础设施和人民生命安全具有重要意义。为实现地表沉陷的动态预测,针对Weibull时间函数模型结构复杂、参数较多等不足,基于开采沉陷相关理论,建立了仅含一个模型参数,且可以准确描述地表点下沉量、下沉速度、下沉加速度的改进Weibull时间函数模型。在此基础上,结合已有的地表沉陷盆地模型,建立了一种新的开采沉陷动态预测模型,详细阐述了模型参数的确定方法及其对沉陷盆地形态的影响,并结合某矿313工作面和3214工作面实测数据验证了模型的预测精度和适用性。结果表明:改进的Weibull时间函数模型最大均方根误差为52 mm,最大相对误差为2.1%,较改进前分别提高了60.3%和64.4%;开采沉陷动态预测模型预测的下沉曲线形态和实测下沉曲线形态一致,最大均方根误差为17 mm,最大相对误差为1.76%,表明该模型可以预测地表沉陷过程,具有较好的适用性和可靠性。该研究结果可为矿区地表沉陷动态预测提供参考。

开采沉陷动态预测时间函数参数变化规律研究——以Weibull为例

针对开采沉陷动态预测模型中时间函数参数主要以最大下沉点的下沉时间序列为基础反演获取,在工作面上方空间位置变化规律研究不足的问题;依据工作面推进过程中覆岩受力、垮落情况,在平面方向上将采空区分为竖向整体受压区、中间区、动态完全区3个区间;以Weibull时间函数为例,分析了动态预测m、k 2个参数的含义、空间分布规律及特点,并构建2个参数的分区数学模型及选取准则;分别以实测最终值、概率积分法预测值为基准,通过实例验证了其正确性,丰富了开采沉陷动态预测参数研究。

基于DBD-Net的InSAR矿区开采沉陷盆地检测方法

目前通过合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)检测开采沉陷盆地主要依靠地下开采资料或人为目视解译,针对这一问题,提出一种针对大范围InSAR干涉图的开采沉陷盆地检测网络(Deformation Basin Detection Network,DBD-Net);同时,为了训练该网络,利用矿区的真实差分干涉图数据和模拟干涉数据建立了开采沉陷盆地样本库,在神东矿区和兖州矿区各选取3幅不同时间基线的差分干涉影像对网络性能进行验证。结果表明:DBD-Net在大范围InSAR干涉图中对开采沉陷盆地的平均检测准确度为81.87%,漏检和误检区域大多是噪声严重污染和特征不明显的区域。

不同深度黄土微观特性对开采沉陷的影响研究

为了探究厚黄土层下开采黄土微观特性对地表移动变形的影响,以山西某矿为例,采用物理实验与数值模拟相结合的方法,分析了不同深度黄土颗粒组成及微观结构特征,建立了厚黄土层分层模型,研究了不同黄土层厚度下的地表变形特征,揭示了黄土微观结构变化对地表移动变形的影响。研究表明:随着黄土深度增加,粉粒含量不断减少,黏粒及胶粒含量升高,微观结构由似柱状堆砌到似球状镶嵌最后形成胶结凝块结构,孔隙空间由贯穿可压缩孔隙到镶嵌孔隙最后形成微孔隙空间;该矿150 m厚黄土层下开采,地表最大下沉及水平移动值分别为4.112、1.327,20 m黄土层移动变形低于地表黄土,黄土压缩量约占地表最大下沉值的12.4%且主要表现在地表浅层处;随着土岩比不断增大,地表下沉量及水平移动呈先增大后减小特征,两者分别于土岩比1.33、1.67达到转折点;黄土层随着深度的增加,其微观结构变化对于地表宏观沉陷具有缓冲作用。

我国开采沉陷学70年研究综述及技术展望

从覆岩破坏规律、地表移动变形规律,以及技术标准和学术专著等方面,回顾了开采沉陷学科的发展历程和取得的重要研究成果。在覆岩破坏规律方面,我国学者提出了岩体响应采动理论、关键层理论等,并总结归纳了裂隙带的形态特征和发育高度;在地表移动变形规律方面,我国学者提出了负指数函数法、概率积分法等计算方法,尤其是概率积分法广泛应用于地表沉陷预计;在技术标准和学术专著方面,我国开展了较为系统的建设工作,几经系统修订并实施,并出版了一系列学术专著。本文归纳总结了目前开采沉陷学研究中存在的难点问题,包括围岩介质属性、概率积分法局限性、综采(综放)“两带”高度和形态、地表残余移动变形特征与规律、动态地表移动变形特征和计算方法、地表观测站观测频率、相关规程对同一事项的技术要求不一致的问题。提出了学科今后研究工作的发展方向及建议,包括以覆岩运动全过程可视化为主要手段揭示开采沉陷的本质机理、以空间信息技术为主要手段完成数据的采集与处理。研究认为,只有认识到“采场矿压-岩层移动-开采沉陷”是一个有机统一的整体,才能准确地理解和描述开采沉陷。在不断继续补充完善已有研究成果的同时,有必要以新理论和新思想审视开采沉陷学,以新技术和新方法研究开采沉陷学,不断推动学科的深入发展。

点云滤波算法构建矿山开采沉陷模型的对比研究

针对现有机载LiDAR点云滤波算法缺乏详细对比的问题,本文以西部矿区某工作面地表沉陷区为试验区,选择渐进形态学滤波、三角网渐进加密滤波和基于坡度阈值滤波3种经典的算法去噪,并分析了算法的适用性。试验结果表明,在地表起伏明显、植被稀疏的陕北矿区,采集的点云数据利用三角网渐进加密滤波得到去噪后的点云建模效果最优。试验结果可为矿区开采沉陷精细化建模提供重要的技术手段。

基于Matlab的概率积分法开采沉陷预计参数解算

通过在开采工作面地表建立观测站获取地表变形数据解算概率积分法开采沉陷预计参数,从而预计工作面周边或相似开采条件下工作面的开采沉陷并评估和指导开采作业,其前提是精确获取概率积分法开采沉陷预计参数。为此,基于Matlab软件,采用最小二乘法拟合观测点变形数据解算概率积分法开采沉陷预计参数,并结合Matlab软件绘图工具开发了集数据载入、坐标转换、参数解算、结果输出、开采沉陷预计及反演为一体的可视化开采沉陷预计系统。以淮南谢桥煤矿11316工作面为例,根据地表移动观测点位移数据解算开采沉陷预计参数并与实测值进行对比分析,结果表明,该系统解算出的开采沉陷预计参数符合两淮矿区开采沉陷的基本规律,反演结果与实测值基本吻合,该系统对于实现矿区开采沉陷高精度预计和反演具有一定的参考价值。

FLAC在煤矿开采沉陷预测中的应用及对比分析

应用ＦＬＡＣ２Ｄ３．３和ＦＬＡＣ３Ｄ１．０对河南省鹤壁矿务局４矿开采沉陷进行了预计，通过对比分析经典预计方法（概率积分法）与ＦＬＡＣ计算结果，发现ＦＬＡＣ能真实地模拟现场地质条件，弥补一般经典方法不能考虑断层影响的不足。

联合SBAS与IPTA技术的矿区开采沉陷监测与分析

黄陵一号煤矿属于大型煤矿,开采历史悠久,大量开采引发地表形变严重。本文基于2018年8月—2019年4月期间Sentinel-1A数据,将SBAS与IPTA两种技术联合应用在黄陵一号矿区开采沉陷监测中,获取地表沉降信息,最终从剖线、等值线、特征点方面详细分析了沉降特征。结果表明:研究区最大年平均沉降速率为-325 mm/a,最大累积沉降量为-198 mm;随着时间推移、工作面推进,时序累积沉降量不断增大,沉降影响范围逐渐扩大;采用该技术识别了沉降位置以及沉降影响范围,可为当地地面沉降治理与预防提供参考。

遥感测绘技术在矿山开采沉陷监测中的应用

在矿山开采中,产生开采沉陷现象,主要受矿山区域地质环境与自然环境的影响,导致矿山岩体结构受损,因遭受不同程度的破坏,导致周围公路路面质量受损,产生路面沉降、路面裂缝及地表下沉等问题,产生交通安全隐患,不利于矿山开采工作开展,同时存在较大的安全隐患。本文分析遥感测绘技术在矿山开采沉陷监测中的应用,利用新型遥感测绘技术,通过无人机实时采集矿山开采中动态图像信息,实现对矿山开采沉陷全面监测,以期丰富相关研究理论。

基于SBAS-InSAR的开采沉陷特征分析

针对传统地表沉陷监测方法在开采沉陷影响范围识别中的不足,以建新煤矿为例,采用SBAS-InSAR技术对覆盖研究区域的2021年12月9日至2022年6月2日的30景重访周期为12 d的Sentinel-1A数据进行干涉处理,得到了采空区沉陷范围,并对时空分布特征进行分析。结果表明,该区域主要分布3处沉降中心,形变影响范围约为3.77 km^(2);最大累计沉降量为-530 mm,年平均形变速率最大达到-266 mm/a;时序沉降值与GNSS实测值整体趋势一致。该方法证明了短重访SAR数据可动态提取矿区时空分布特征以及时序变化过程,能够为矿区灾害防治提供科学依据。

融合DInSAR与Offset_tracking的开采沉陷监测与分析

针对D-InSAR技术无法有效提取矿区大梯度形变,且Offset_tracking技术对矿区微小形变监测精度低的问题。为了获取完整的工作面开采导致的沉陷盆地信息,本文提出了一种融合DInSAR与Offset_tracking技术监测矿区形变的方法,并采用2015年4月28日至2016年3月5日13幅RADARSAT-2影像进行了实验。监测结果与实测水准数据对比分析表明,融合DInSAR与Offset_tracking的监测结果与水准数据较为一致,最大偏差为0.22m、平均绝对误差为0.052m、均方根误差为0.063m,验证了该方法在大梯度地表形变中监测结果的有效性和可靠性。

煤矿开采沉陷分析及其治理措施研究

煤矿开采沉陷是生产中面临的一个重要问题,不仅会破坏地表形态和生态环境,还会对矿区生产和生活造成严重影响。本文分析煤矿开采沉陷现象,阐述开采沉陷产生的原因和机理,并提出治理措施。研究表明,采取合理的开采技术、加强矿区管理和环境保护,可以有效减少煤矿开采沉陷发生频率,降低其影响程度。