论文部分内容阅读
中国是煤炭生产和消费大国,大量的煤炭资源开采在为经济建设作出重要贡献的同时也带来一系列的环境和地质灾害问题。加强对矿区开采沉降监测,为开采沉陷预计、灾害防预、设计合理的开采方式以及采后的生态修复等工作提供理论基础和数据支撑。针对矿区监测无人化、自动化、全方位、时空监测问题,结合以合成孔径雷达（Synthetic Aperture Radar,SAR）数据为基础的航天测量,以无人机（Unmanned Aerial Vehicle,UAV）技术为基础的空中测量,以水准和实时动态（Real Time Kinematic,RTK）测量为基础的地面监测的三种监测模式,提出单一 SAR数据获取矿区大梯度形变的方法,并以空-天-地多平台监测的方式,将矿区变形监测技术从监测离散点形成线状形态延展到面域真三维+时间尺度的探究,为矿区沉降规律的全方位研究提供了新方法,主要工作如下:1)分析了哨兵1A数据在研究区的适用性以及参数反演受数据源误差的影响。一方面,利用合成孔径雷达差分干涉（Differential Interferometric Synthetic Aperture Radar,D-InSAR）技术获取 SAR 数据视线（Line of Sight,LOS）向形变值并分解得到工作面垂直沉降值,计算淮南顾桥矿南区1613工作面的超前影响角,并与实测值计算的超前影响角对比,绝对值误差最小和最大值分别是0.66°和1.88°,验证了 SAR数据在研究区域的适用性。另一方面,结合实测资料与地质采矿条件,利用概率积分法模拟走向和倾向线下沉值,分别加入不同噪声,验证了数据源误差在10 cm及以内可以满足矿区静态和动态参数反演的需求。2)提出了结合逆地理编码和机器学习构建预测模型修复“空洞场”的新方法。SAR数据受地物、环境影响造成部分位置失相干,在观测站处形成“空洞场”,导致某些点位有水准监测值而无法对其进行有效的D-In SAR监测。针对这一问题,首先构建了逆地理编码-长短期记忆模型（Reverse Geocoding-Long Short Term Memory,RGC-LSTM）、逆地理编码-非线性自回归神经网络（Reverse Geocoding-Nonlinear Autoregression Neural Netword,RGC-NARNN）模型以及逆地理编码-BP 神经网络模型（Reverse Geocoding-Back ProPagation Network,RGC-BP）用于SAR数据的修复,可以有效提取观测站的开始阶段和衰退阶段下沉值。其次,以具有自然规律的分形模型和具有沉降规律的Knothe时间函数模型模拟地表沉降,用以验证两种模型的精度。最后,选择模型精度较高的RGC-NARNN和RGC-BP模型修复研究区域两幅差分干涉图空洞场,求取均方根误差均在2 mm以内,通过对比得知RGC-BP模型的精度优于RGC-NARNN模型。3)通过结合概率积分法（Probability Integration Method,PIM）与幂指数 Knothe函数构建 InSAR-PEK（InSAR-PIM Exponent Knothe）模型,使用单一 SAR 数据开始阶段和衰退阶段的各期沉降值,利用InSAR-PEK模型获取有效的活跃阶段下沉值,并与水准实测值做对比。其中,与整个监测周期的水准数据相比均方根误差均值为41.7 mm,与活跃阶段水准监测数据相比,均方根误差均值为61.0 mm;其中整个沉降期误差占最大沉降量百分比均值2.99%,活跃阶段误差占最大下沉值百分比均值为4.13%,可见InSAR-PEK模型在独立使用SAR数据的情况下可获取矿区大梯度形变值。4)针对矿区无人化监测问题,利用UAV技术获取矿区的DOM（Digital Orthophoto Map）、DSM（Digital Surface Model）和三维模型,以水准实测数据为标准,将RTK数据、水准数据、DSM数据进行对比,求取均方根误差,进一步验证无人机倾斜摄影测量技术获取地表地物高程的精度和可靠性。经验证,走向线观测站均方根误差均值为2.85 cm,倾向线观测站均方根误差3.81 cm;道路走向线验证点高程误差3.71 cm,倾向线验证点高程误差为2.15 cm,满足下沉预计和参数反演需求。5)针对矿区沉降时空演化规律问题,利用7景SAR数据做出四副差分干涉图,对巨厚松散层地质条件下,深部开采工作面,开采初期的下沉时空规律进行探究。结果表明,沉降进入活跃期初始阶段地表移动盆地扩展范围广,边界处收敛缓慢,出现长距离的缓慢轻微下沉带,地表变形值较小,下沉盆地成椭圆状,盆地倾向方向具有对称性,盆地走向方向不对称;活跃期中期下沉区域逐渐向中心靠拢,椭圆状的下沉盆地向近圆形演化,下沉盆地主要沉降区呈现近圆形,盆地走向和倾向成对称性发展,随着回采推进地表移动变形较大,呈现集中下沉的特征。图58个 表42个 参186个