基于SBAS-InSAR和CNN的地面沉降监测与预测分析

本文以天津市津南区为研究对象,运用SBAS-InSAR技术和48景Sentinel-1A SAR数据对该区域2021年1月—2023年5月地面沉降特点开展研究。同时,对发生于2023年5月31日津南区八里台镇沉降事件的SBAS-InSAR监测数据进行分析,探讨地面沉降预测对灾害防治的重要性,并建立适用于城市地面沉降预测的CNN沉降预测模型。结果表明:(1)津南区90%以上的区域地面沉降处于稳定状态,地面形变保持在-9.67~9.04 mm/a之间,在八里台镇澜海庄园区域存在沉降漏斗,该沉降漏斗出现与近几年城市新建基础设施有关,随着城建逐步完成,后期将逐步趋于稳定。(2)津南区在2023年3月开始,地面沉降呈现出快速增加的趋势,建议相关部门加强对该地区的沉降监测。(3)基于津南区八里台镇沉降事件发生前地面沉降监测数据发现,积极开展城市地面沉降监测对防灾减灾具有重要意义。(4)CNN沉降预测模型相较于其他预测模型,具有更加优异的预测精度和拟合度。

基于GWO-CNN的刮板输送机减速器故障诊断

刮板输送机减速器故障诊断对于井下正常有序生产至关重要。首先基于振动分析、温度检测与油液分析建立刮板输送机减速器故障诊断指标体系;然后运用深度学习中的卷积神经网络(CNN)搭建模型框架,结合灰狼优化(GWO)算法优化模型超参数,建立基于GWO-CNN的刮板输送机减速器故障诊断模型;最后建立BP、GWO-BP、支持向量机(SVM)、GWO-SVM、CNN模型进行对比验证,GWO-CNN模型预测结果的准确率最高,能够有效地挖掘数据中的关联特征,并具备强大的泛化能力,能够有效减少刮板输送机事故的发生并保障矿工的安全。