本文選題：開采沉陷 + D-InSAR��； 參考：《金屬礦山》2016年02期

【摘要】：礦區(qū)地表植被多,開采沉陷速度快、量值大,所產生的地質災害較一般性的地表沉陷嚴重,極易使得2景SAR影像失去相干性,造成解纏錯誤。針對礦區(qū)SAR影像相干性較低、下沉盆地中央相位值易丟失的情況,結合合成孔徑雷達干涉差分技術(Differential interferometric synthetic aperture radar,D-In SAR)和基于遺傳算法的概率積分模型,提出了一種礦區(qū)開采下沉盆地預計方法。以該方法利用礦區(qū)下沉盆地邊緣一定數量的相干系數較高且下沉較明顯的D-In SAR監(jiān)測值和下沉盆地中央最大下沉點與拐點附近的少量觀測值對某礦II3720工作面進行試驗,首先利用概率積分模型反演概率積分法預計參數并采用遺傳算法進行多次優(yōu)化,然后利用得到的參數對該工作面下沉盆地進行模擬預計,結果表明:通過該方法得出的下沉盆地參數及下沉值與實測值較接近,有助于彌補由于礦區(qū)SAR影像干涉效果不佳而導致的預計精度不高的不足,通過少量的觀測數據可較為有效地預計礦區(qū)下沉盆地,對于提高礦山開采沉陷監(jiān)測與預計的精度有一定的參考價值。
[Abstract]:The mining area has more vegetation, faster mining subsidence speed and larger value, and the geological hazard is more serious than the general surface subsidence. It is easy to make two SAR images lose coherence and cause unwrapping error. In view of the low coherence of SAR images in mining areas and the easy loss of central phase values in sinking basins, the synthetic interferometric synthetic aperture radar interferometric differential SAR (SAR) and the probabilistic integral model based on genetic algorithm are combined. A prediction method of mining subsidence basin in mining area is presented. Based on the D-InSAR monitoring values with high coherence coefficient and obvious subsidence at the edge of the subsidence basin in the mining area and a few observations near the maximum subsidence point and the inflexion point in the center of the subsidence basin, this method is used to test the II3720 face in a certain mine. First, the probabilistic integral model is used to estimate the parameters and the genetic algorithm is used to optimize the parameters, and then the parameters are used to simulate and predict the subsidence basin of the working face. The results show that the parameters and subsidence values of subsidence basin obtained by this method are close to the measured values, which is helpful to make up for the deficiency of prediction accuracy caused by poor interference effect of SAR image in mining area. The subsidence basin of mining area can be predicted effectively by a small amount of observation data, which has certain reference value for improving the precision of monitoring and prediction of mining subsidence.
【作者單位】： 中國礦業(yè)大學環(huán)境與測繪學院;中化地質礦山總局浙江地質勘查院;兗州煤炭股份有限公司興隆莊煤礦;
【基金】：國家自然科學基金項目(編號:41071273) 國土環(huán)境與災害監(jiān)測國家測繪地理信息局重點實驗室開放基金項目(編號:LEDM2011B07) 江蘇高校優(yōu)勢學科建設工程基金項目(編號:SZBF2011-6-B35)
【分類號】：TD327

【相似文獻】

相關期刊論文 前10條

1 郭文兵,鄧喀中,鄒友峰;概率積分法預計參數選取的神經網絡模型[J];中國礦業(yè)大學學報;2004年03期

2 查劍鋒;郭廣禮;趙海濤;賈新果;;概率積分法修正體系現狀及發(fā)展展望[J];金屬礦山;2008年01期

3 馬洪浩;郭廣禮;王磊;高盼;俞紅;;測量誤差對概率積分法求參精度的影響分析[J];現代礦業(yè);2011年06期

4 王正帥;鄧喀中;;概率積分法沉陷預計的邊緣修正模型[J];西安科技大學學報;2012年04期

5 張正興;趙愛軍;李威;李小林;孫瑩;彭亮;;基于空間分析的概率積分法在預測多煤層采空區(qū)塌陷中的應用——以青海塔妥煤礦為例[J];中國地質災害與防治學報;2012年04期

6 陳俊杰;郭延濤;;基于灰色系統(tǒng)理論的概率積分法參數確定研究[J];測繪通報;2012年S1期

7 陳俊杰;陶宛東;郭延濤;;基于灰色預測模型的概率積分法參數確定研究[J];河南理工大學學報(自然科學版);2013年01期

8 卞和方;楊化超;張書畢;;概率積分法預計參數的智能優(yōu)化選擇方法研究[J];采礦與安全工程學報;2013年03期

9 王世道;林福欽;;對概率積分法的一些看法[J];礦山測量;1984年02期

10 吳侃,葛家新,周鳴,于豐德;概率積分法預計模型的某些修正[J];煤炭學報;1998年01期

相關會議論文 前2條

1 孫鳳余;鄭偉;郭新華;;概率積分法在礦山環(huán)境地表移動預測評估中的應用[A];河南地球科學通報2008年卷（下冊）[C];2008年

2 陳俊杰;郭延濤;;基于灰色系統(tǒng)理論的概率積分法參數確定研究[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

相關碩士學位論文 前7條

1 王拂曉;堤壩下采煤沉陷規(guī)律及治理技術研究[D];中國礦業(yè)大學;2015年

2 張諸林;兩層采煤地面變形模擬研究[D];吉林大學;2012年

3 楊光銳;基于GIS與概率積分法的礦山開采沉陷預測研究[D];湖南科技大學;2014年

4 朱錕;基于概率積分法與VB語言的采空區(qū)地表移動變形預測系統(tǒng)研究[D];長安大學;2013年

5 呂惠農;地下采動影響下水工建筑物的危害預測分析[D];河海大學;2006年

6 王唯真;大型煤礦變形監(jiān)測數據處理及沉陷預測研究[D];長安大學;2012年

7 呂新;杭來灣井田煤炭開采地表沉陷預測[D];長安大學;2014年

，

本文編號：2104742