-
题名InSAR监测数据的地表沉陷深度学习预测模型研究
- 1
-
-
作者
李刚
支梦辉
李斌
杨帆
彭志伟
李东亮
-
机构
山西晋煤集团技术研究院有限责任公司
山西省地球物理勘探创新技术中心
辽宁工程技术大学测绘与地理科学学院
晋能控股集团晋圣松峪煤业有限公司
晋能控股集团赵庄煤业有限责任公司
-
出处
《中国安全科学学报》
北大核心
2025年第S1期107-113,共7页
-
基金
国家自然科学基金资助(50604009),辽宁省教育厅科学技术研究项目(LJ2020JCL006)
自然资源部国土卫星遥感应用重点实验室资助项目(LSMNR-202107)。
-
文摘
为研究地下采矿引发的地面沉降预测问题,以山西省晋城市阳城县为背景开展地表沉降监测与预测方法研究。首先,获取2018年1月至2020年12月期间的Sentinel-1 SAR影像(81景),结合数字高程模型(DEM)、大气校正在线服务(GACOS)及精密轨道数据,采用小基线集干涉合成孔径雷达(SBAS-InSAR)技术精细化监测区域地表形变情况,揭示其时序演化与空间分布特征(最大沉降速率达27.84 mm/a);然后,构建基于变分模态分解(VMD)与反向传播(BP)神经网络相结合的混合预测模型(VMD-BP);最后,将该模型预测性能与传统长短期记忆网络(LSTM)模型及变分模态分解与长短期记忆网络(VMD-LSTM)模型进行对比分析。结果表明:VMD-BP模型显著提升了预测精度,在测试点位(点位a)的均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别低至0.27801 mm、0.23429 mm和0.39%,远优于LSTM及VMD-LSTM模型。
-
关键词
地面沉降
形变预测
小基线集干涉合成孔径雷达(SBAS-InSAR)技术
长短期记忆网络(LSTM)模型
变分模态分解-长短期记忆网络(VMD-BP)模型
-
Keywords
surface subsidence
deformation prediction
small baseline subset interferometric synthetic aperture radar(SBAS-InSAR)technique
long short-term memory(LSTM)model
variational mode decomposition-back propagation(VMD-BP)model
-
分类号
X948
[环境科学与工程—安全科学]
-
-
题名矿山边坡机载LiDAR数据采集三维建模研究
- 2
-
-
作者
李斌
邹阳
彭志伟
武文霖
刘佳宁
-
机构
晋能控股集团晋圣松峪煤业有限公司
山西晋煤集团技术研究院有限责任公司
山西省地球物理勘探创新技术中心
晋能控股集团赵庄煤业有限责任公司
晋能控股集团长平煤业有限责任公司
辽宁工程技术大学测绘与地理科学学院
-
出处
《中国安全科学学报》
北大核心
2025年第S1期192-198,共7页
-
基金
国家自然科学基金资助(50604009)
辽宁省教育厅科学技术研究项目(LJ2020JCL006)
自然资源部国土卫星遥感应用重点实验室资助项目(LSMNR-202107)。
-
文摘
为解决机载激光雷达系统(LiDAR)技术在复杂矿山地形三维建模中的参数优化问题,提高建模精度与效率,开展了系统性研究。首先,分析机载LiDAR数据采集原理、测量系统组成及数据处理过程,明确技术应用的基础逻辑;然后,结合矿山边坡复杂地形特点,提出机载LiDAR数据采集的飞行路线、航高及重叠度等参数要求,形成最佳数据采集方案以获取高精度矿山边坡数据;最后,通过某露天矿边坡的三维建模试验,验证所提方案的可行性和有效性。结果表明:优化的数据采集方案可提高数据采集及三维建模的精度与效率;所建模型能为边坡稳定性分析、变形监测等提供数据支持。
-
关键词
机载激光雷达系统(LiDAR)
三维建模
点云数据
数据采集
稳定性分析
-
Keywords
airborne light detection and ranging(LiDAR)
3D modeling
point cloud data
data acquisition
stability analysis
-
分类号
X948
[环境科学与工程—安全科学]
-
