融合SBAS-InSAR与CS-SVM的矿区地表残余沉降预测模型

煤矿开采地表残余形变可能对地表建(构)筑物、道路、地下管线等基础设施造成潜在威胁,有必要对其进行准确预测。融合SBAS-InSAR监测方法,提出了一种布谷鸟搜索算法改进支持向量机回归(CS-SVM)的预测模型,利用2017年11月—2020年6月的60景Sentinel-1A SAR影像对安徽省某矿7221工作面进行开采沉陷长时序监测,获取了该工作面回采过程中与停采后2 a内地表年均形变速率与累计形变。结果表明:该工作面最大年均形变速率为-56 mm/a,最大累计沉降为151 mm。利用水准测量数据对InSAR结果进行验证,两者残差均小于5 mm,证明了两者具有较好的一致性。为比较优化前后SVM预测模型的精度,引入平均绝对误差和均方根误差进行精度评价。结果显示:优化模型的2种误差均在4 mm以内,相比传统模型,误差分别降低了59%和60%,预测精度明显提高。研究反映出,所提模型具有较好的预测能力,可为废弃煤矿区防灾减灾提供参考。

基于时序InSAR的关闭矿井地表残余沉降监测

矿井关闭后,由于受到岩体之间应力和地下水等诸多因素的影响,导致矿区地下岩层和土层的结构发生变化,从而在采空区的地表上造成了二次形态的改变。为探寻矿井关闭后地表形变的规律,采用SBAS-InSAR(Small Baselines Subset InSAR)技术,对影像数据处理后,得到了淮北市海孜矿区关闭矿井5.5 a的地表形变信息。通过影像结果分析,该矿区有2处较为明显的下沉区域,分别分布于矿区东部和西南部,最大下沉速率为25 mm/a,最大下沉量为124 mm,根据以往学者对关闭矿井地区残余下沉的研究,推测其下沉原因可能与煤层采深、地下水汇集破坏煤岩柱以及地表积水等因素有关,同时矿区中部区域发生明显抬升,多集中于祁集镇及周边范围,最大抬升速率为18 mm/a,最大抬升量为133 mm,推测抬升原因可能与地下水回升和建筑物的重力加载有关,推测地下水涌入居民区地下,造成裂隙岩体反弹,而建筑物重力加速了这一过程,则建筑物集中地区抬升越明显。矿区下沉区域约4 a后地表沉降趋于稳定,居民区地表经历先下沉后抬升逐渐趋于稳定。笔者从地表形变最显著区域选取特征点,结合煤层深度、地下水和建筑物重力等因素进行更加详细地分析,根据形变特征将地表形变随时间变化分为3个阶段:残余下沉阶段、相对稳定阶段和抬升阶段;再根据矿区内地表的年形变面积变化得出:监测时间内,矿区大体上抬升面积逐年增加,下沉面积的比重逐渐减小,从而推测矿区抬升区域已达到最大抬升量,但抬升范围将会进一步扩大。