期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于InSAR-COMSOL的露天矿边坡稳定性分析及形变预测
被引量：
9
1
作者
李如仁
葛永权
+3 位作者
李梦晨
孙加瑶
王彦平
刘明霞
《金属矿山》
CAS
北大核心
2024年第3期172-182,共11页
露天矿地表形变特征的快速、准确分析及形变趋势精准预测是推进矿山绿色安全生产的重要保障。针对当前形变监测技术存在的时空采样率低、成本高,预测模型参数难确定等问题,以东鞍山露天铁矿为工程背景,提出了一种融合短基线子集干涉测量...
露天矿地表形变特征的快速、准确分析及形变趋势精准预测是推进矿山绿色安全生产的重要保障。针对当前形变监测技术存在的时空采样率低、成本高,预测模型参数难确定等问题,以东鞍山露天铁矿为工程背景,提出了一种融合短基线子集干涉测量(SBAS-InSAR)技术和COMSOL有限元模拟的边坡稳定性分析和形变预测一体化方法。首先,利用SBAS-InSAR技术处理2018年5月—2020年6月获取的62景Sentinel-1A升轨SAR数据,获取了该区域2 a内地表形变时间序列,分析了其形变时空演化特征。然后,采用COMSOL Multiphysics软件模拟外界强降雨影响下的典型沉降区域边坡稳定性状况,探讨了坡体损伤裂化规律及形变机理。基于此,利用粒子群算法(PSO)优化长短期时间记忆(LSTM)网络,搭建了形变时序预测最优模型,开展典型沉降区的形变时序预测,并引入平均绝对误差和均方根误差作为预测精度评价指标。结果表明:矿区西部沉降相对严重,年均沉降速率高达47.8 mm/a,形变速率与区域降雨量存在显著相关性。相较于传统形变预测模型,PSO-LSTM模型的2种误差至少降低了14%和36%,且能够有效反映采区地表形变波动趋势,为滑坡灾前预警提供了新思路。
展开更多
关键词
露天矿边坡
稳定性分析
SBAS-InSAR
沉降预测
PSO-LSTM
在线阅读
下载PDF
职称材料
融合SBAS-InSAR与GS-LSTM的尾矿库沉降监测与预测
被引量：
10
2
作者
李如仁
孙加瑶
《金属矿山》
CAS
北大核心
2023年第1期102-109,共8页
尾矿库作为一种危险源,需对其进行长期监测及预警,但目前针对尾矿库的监测方法费时费力且预警模型较少,为此提出了一种基于小基线集(SBAS-InSAR)技术、长短期记忆(LSTM)神经网络以及网格搜索(GS)算法相结合的尾矿库沉降预测模型,实现了...
尾矿库作为一种危险源,需对其进行长期监测及预警,但目前针对尾矿库的监测方法费时费力且预警模型较少,为此提出了一种基于小基线集(SBAS-InSAR)技术、长短期记忆(LSTM)神经网络以及网格搜索(GS)算法相结合的尾矿库沉降预测模型,实现了尾矿库沉降监测与预测的一体化。首先,以60景Sentinel-1A影像作为数据源,采用SBAS-InSAR技术监测鞍山市西果园尾矿库动态沉降过程,获取该尾矿库2018—2020年内时间序列沉降信息,将其与GPS技术获取的测量结果进行对比,发现时序In SAR监测精度较高。然后将降雨量与沉降量关联分析,得到尾矿库沉降的波动规律,构建LSTM神经网络沉降预测模型,再利用GS算法将模型中的超参数进行全局寻优。最后将监测数据划分为训练集与测试集,与传统预测模型进行对比。试验结果表明:GS-LSTM模型在西果园尾矿库沉降预测中呈现出了较好的预测精度,3个测试点中最大平均绝对误差(MAE)为2.51 mm,最大均方根误差(RMSE)为2.90 mm,可以较为精准地反映出具有尾矿库沉降特点的波动和趋势,为尾矿库灾害预警及治理提供了理论依据。
展开更多
关键词
SBAS-InSAR
尾矿库
LSTM神经网络
预测模型
在线阅读
下载PDF
职称材料
题名
基于InSAR-COMSOL的露天矿边坡稳定性分析及形变预测
被引量：
9
1
作者
李如仁
葛永权
李梦晨
孙加瑶
王彦平
刘明霞
机构
沈阳建筑大学交通与测绘工程学院
沈阳建筑大学土木工程学院
北方工业大学信息学院
沈阳市城乡建设事务服务中心轨道交通事务部
出处
《金属矿山》
CAS
北大核心
2024年第3期172-182,共11页
基金
国家自然科学基金项目(编号:5177040477)。
文摘
露天矿地表形变特征的快速、准确分析及形变趋势精准预测是推进矿山绿色安全生产的重要保障。针对当前形变监测技术存在的时空采样率低、成本高,预测模型参数难确定等问题,以东鞍山露天铁矿为工程背景,提出了一种融合短基线子集干涉测量(SBAS-InSAR)技术和COMSOL有限元模拟的边坡稳定性分析和形变预测一体化方法。首先,利用SBAS-InSAR技术处理2018年5月—2020年6月获取的62景Sentinel-1A升轨SAR数据,获取了该区域2 a内地表形变时间序列,分析了其形变时空演化特征。然后,采用COMSOL Multiphysics软件模拟外界强降雨影响下的典型沉降区域边坡稳定性状况,探讨了坡体损伤裂化规律及形变机理。基于此,利用粒子群算法(PSO)优化长短期时间记忆(LSTM)网络,搭建了形变时序预测最优模型,开展典型沉降区的形变时序预测,并引入平均绝对误差和均方根误差作为预测精度评价指标。结果表明:矿区西部沉降相对严重,年均沉降速率高达47.8 mm/a,形变速率与区域降雨量存在显著相关性。相较于传统形变预测模型,PSO-LSTM模型的2种误差至少降低了14%和36%,且能够有效反映采区地表形变波动趋势,为滑坡灾前预警提供了新思路。
关键词
露天矿边坡
稳定性分析
SBAS-InSAR
沉降预测
PSO-LSTM
Keywords
open-pit slope
stability analysis
SBAS-InSAR
settlement prediction
PSO-LSTM
分类号
TD325 [矿业工程—矿井建设]
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
融合SBAS-InSAR与GS-LSTM的尾矿库沉降监测与预测
被引量：
10
2
作者
李如仁
孙加瑶
机构
沈阳建筑大学交通与测绘工程学院
出处
《金属矿山》
CAS
北大核心
2023年第1期102-109,共8页
基金
国家自然科学基金项目(编号:51774204)。
文摘
尾矿库作为一种危险源,需对其进行长期监测及预警,但目前针对尾矿库的监测方法费时费力且预警模型较少,为此提出了一种基于小基线集(SBAS-InSAR)技术、长短期记忆(LSTM)神经网络以及网格搜索(GS)算法相结合的尾矿库沉降预测模型,实现了尾矿库沉降监测与预测的一体化。首先,以60景Sentinel-1A影像作为数据源,采用SBAS-InSAR技术监测鞍山市西果园尾矿库动态沉降过程,获取该尾矿库2018—2020年内时间序列沉降信息,将其与GPS技术获取的测量结果进行对比,发现时序In SAR监测精度较高。然后将降雨量与沉降量关联分析,得到尾矿库沉降的波动规律,构建LSTM神经网络沉降预测模型,再利用GS算法将模型中的超参数进行全局寻优。最后将监测数据划分为训练集与测试集,与传统预测模型进行对比。试验结果表明:GS-LSTM模型在西果园尾矿库沉降预测中呈现出了较好的预测精度,3个测试点中最大平均绝对误差(MAE)为2.51 mm,最大均方根误差(RMSE)为2.90 mm,可以较为精准地反映出具有尾矿库沉降特点的波动和趋势,为尾矿库灾害预警及治理提供了理论依据。
关键词
SBAS-InSAR
尾矿库
LSTM神经网络
预测模型
Keywords
SBAS-InSAR
tailings pond
LSTM neural network
prediction model
分类号
TD164 [矿业工程—矿山地质测量]
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于InSAR-COMSOL的露天矿边坡稳定性分析及形变预测
李如仁
葛永权
李梦晨
孙加瑶
王彦平
刘明霞
《金属矿山》
CAS
北大核心
2024
9
在线阅读
下载PDF
职称材料
2
融合SBAS-InSAR与GS-LSTM的尾矿库沉降监测与预测
李如仁
孙加瑶
《金属矿山》
CAS
北大核心
2023
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
