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
融合多源因素回归和ARIMA-LSTM的露天矿地表形变趋势分析
1
作者
李如仁
李梦晨
+1 位作者
葛永权
刘明霞
《金属矿山》
北大核心
2025年第1期186-197,共12页
露天矿山大规模开采引发的地表形变严重威胁了周边基础设施的稳固性及附近民众生命财产安全,形变演化趋势的精准预测对于保障矿山安全运营具有重要意义。针对当前形变监测技术的时空采样率低、成本高,以及数据处理过程中影响因子筛选困...
露天矿山大规模开采引发的地表形变严重威胁了周边基础设施的稳固性及附近民众生命财产安全,形变演化趋势的精准预测对于保障矿山安全运营具有重要意义。针对当前形变监测技术的时空采样率低、成本高,以及数据处理过程中影响因子筛选困难、趋势预测精度欠佳等问题,以辽宁省鞍山市露天矿集中分布区为工程背景,提出了一种融合自回归差分移动平均(Autoregressive Integrated Moving Average,ARIMA)模型—长短期记忆网络(Long Short-Term Memory,LSTM)模型的多源因素融合回归的露天矿地表形变演化趋势分析方法。首先,利用短基线子集干涉测量(Small Baseline Subset Interferometric Synthetic Aperture Radar,SBAS-InSAR)技术开展2020年1月—2022年4月期间研究区地表形变的长时序监测,获取该时段内地表形变时空分布特征。然后,耦合因子分析及灰色关联分析法提取形变主影响因子,基于皮尔逊相关系数(Pearson)验证影响因子的筛选效果,同时考虑地表相邻点位形变的联动效应,构建了多源异构数据融合回归序列。在此基础上,引入自回归差分移动平均(ARIMA)模型改进的长短期记忆网络(LSTM)模型开展形变趋势预测,并采用平均绝对误差(Mean Absolute Error,MAE)、标准误差(Root Mean Square Error,RMSE)以及平均百分比误差(Mean Absolute Percentage Error,MAPE)评估所提方法的预测性能。结果表明:监测期内东鞍山矿东部、大孤山矿中部以及鞍千矿东部沉降相对严重,年均沉降速率最高达166.41 mm/a。耦合因子分析及灰色关联度法提取的影响因子合理可靠,融合高程、地形起伏度及累积降雨量等因子的形变序列更贴合矿区地表真实形变过程。与ARIMA-LSTM模型相比,基于多源因素融合回归模型的预测误差MAE、RMSE、MAPE分别降低了48.0%、16.7%和25.5%,预测精度有所改善且能够有效反映形变累积的整体趋势。
展开更多
关键词
露天矿
形变监测
多源数据融合
形变趋势预测
SBAS-InSAR
ARIMA-LSTM
在线阅读
下载PDF
职称材料
基于InSAR-COMSOL的露天矿边坡稳定性分析及形变预测
被引量：
10
2
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
题名
融合多源因素回归和ARIMA-LSTM的露天矿地表形变趋势分析
1
作者
李如仁
李梦晨
葛永权
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
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》
北大核心
2025年第1期186-197,共12页
基金
国家自然科学基金项目(编号:51774204)
辽宁省交通科技项目(编号:202338)。
文摘
露天矿山大规模开采引发的地表形变严重威胁了周边基础设施的稳固性及附近民众生命财产安全,形变演化趋势的精准预测对于保障矿山安全运营具有重要意义。针对当前形变监测技术的时空采样率低、成本高,以及数据处理过程中影响因子筛选困难、趋势预测精度欠佳等问题,以辽宁省鞍山市露天矿集中分布区为工程背景,提出了一种融合自回归差分移动平均(Autoregressive Integrated Moving Average,ARIMA)模型—长短期记忆网络(Long Short-Term Memory,LSTM)模型的多源因素融合回归的露天矿地表形变演化趋势分析方法。首先,利用短基线子集干涉测量(Small Baseline Subset Interferometric Synthetic Aperture Radar,SBAS-InSAR)技术开展2020年1月—2022年4月期间研究区地表形变的长时序监测,获取该时段内地表形变时空分布特征。然后,耦合因子分析及灰色关联分析法提取形变主影响因子,基于皮尔逊相关系数(Pearson)验证影响因子的筛选效果,同时考虑地表相邻点位形变的联动效应,构建了多源异构数据融合回归序列。在此基础上,引入自回归差分移动平均(ARIMA)模型改进的长短期记忆网络(LSTM)模型开展形变趋势预测,并采用平均绝对误差(Mean Absolute Error,MAE)、标准误差(Root Mean Square Error,RMSE)以及平均百分比误差(Mean Absolute Percentage Error,MAPE)评估所提方法的预测性能。结果表明:监测期内东鞍山矿东部、大孤山矿中部以及鞍千矿东部沉降相对严重,年均沉降速率最高达166.41 mm/a。耦合因子分析及灰色关联度法提取的影响因子合理可靠,融合高程、地形起伏度及累积降雨量等因子的形变序列更贴合矿区地表真实形变过程。与ARIMA-LSTM模型相比,基于多源因素融合回归模型的预测误差MAE、RMSE、MAPE分别降低了48.0%、16.7%和25.5%,预测精度有所改善且能够有效反映形变累积的整体趋势。
关键词
露天矿
形变监测
多源数据融合
形变趋势预测
SBAS-InSAR
ARIMA-LSTM
Keywords
open-pit mine
deformation monitoring
multi-source data fusion
prediction of deformation trend
SBAS-In-SAR
ARIMA-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
基于InSAR-COMSOL的露天矿边坡稳定性分析及形变预测
被引量：
10
2
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
作者
出处
发文年
被引量
操作
1
融合多源因素回归和ARIMA-LSTM的露天矿地表形变趋势分析
李如仁
李梦晨
葛永权
刘明霞
《金属矿山》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
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
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
