基于SBAS-InSAR 和PSO-BP 神经网络算法的矿区地表沉降监测及预测
2021-10-14周定义左小清
周定义,左小清
(昆明理工大学 国土资源工程学院,云南 昆明 650093)
矿山开采引起的地表沉降是矿区经常发生的破坏性灾害,是我国最主要的地质灾害之一[1]. 由于采矿活动的性质,煤矿采区地下开采活动引起的地表变形通常呈现非线性特征,可能导致地表变形较快[2]. 因此,有效地预测和管理采矿引起的地表变形,是采矿工业和政府部门关注的一个关键问题[3].
传统的矿区沉降监测方法主要采用精密水准测量、全球定位系统(Global Positioning System,GPS)等[4]. 这些监测方法存在变形监测工作量大、费时、费财、测点难以保存等缺陷,同时传统的监测方法无法对未知区域的沉降进行监测[5]. 与传统的监测方法相比,利用合成孔径雷达干涉(Interferometric Synthetic Aperture Radar,InSAR)技术实施对矿区沉降的监测,不仅可以降低成本,而且可以准实时动态监测整个雷达图像覆盖范围内地表沉降位移量[6].
InSAR 技术是近几年发展起来的一种新型大地测量手段[5]. 理论上可以获得非常精确的数字高程模型和毫米量级的地表形变信息[6]. 目前,基于InSAR 技术对矿区地表沉降监测的研究取得了大量成功范例,但基于InSAR 技术对矿区地表沉降预测的研究相对较少. 陈银翠等[7]利用合成孔径雷达差分干涉(Differential InSAR,D-InSAR)和地理信息系统(Geographic Information System,GIS)对矿区地表沉陷预测,并利用三次样条插值与GM(1,1)组合模型预测,研究结果表明预测模型的精度能够满足D-InSAR 定量分析的精度要求. 李勇发等[3]利用永久散射体合成孔径雷达干涉测量(Persistent Scatterer Interferometric Synthetic Aperture Radar,PSInSAR)与遗传神经网络算法对矿区地……