金属矿山

作者：郑俊析,杨飞,王浩宇,杨志勇,李军,胡桂林,

单位：1. 中国矿业大学(北京)地球科学与测绘工程学院,北京 100083;2. 能源时空大数据智能分析与应用实验室,新疆 昌吉 831100;3. 新疆天池能源有限责任公司,新疆 昌吉 831100

关键词：露天矿,,SBAS-InSAR 方法,,形变预测,,PSO-LSTM 模型,,粒子群优化算法,,长短期记忆模型,

基金：2024 年度新疆维吾尔自治区重大科技专项(编号:2024A0003);丝绸之路经济带创新驱动发展试验区、乌昌石国家自主创新示范区科技发展计划项目(编号:2023LQY02);镇海区“十四五”技术攻关重大专项计划项目(编号:2024006);国家自然科学基金项目(编号:42271480);中央高校基本科研业务费专项(编号:2024ZKPYDC02,2023ZKPYDC10)。

对露天矿地表形变的特征和趋势进行分析和预测,是保障矿山绿色安全生产的重要环节。面向特大型露天矿,以新疆将军戈壁二号露天矿为例,基于SBAS-InSAR 方法和粒子群优化算法的长短期记忆网络(PSO-LSTM)模型,提出了一种露天矿地表形变分析与预测方法。该方法首先通过SBAS-InSAR 方法计算了该矿地表形变,在此基础上针对当前水准测量、GNSS 等形变监测方式在特大型露天矿存在的效率较低、空间覆盖范围有限等问题,采用粒子群优化算法(Genetic Algorithm Optimization,PSO) 优化长短期记忆模型(Long Short-term Memory,LSTM),构建了PSO-LSTM 模型进行形变预测。研究表明:① 矿区整体平均形变速率为-2. 832 mm/ a,整体呈下沉趋势,其中内排土场地表形变速率明显高于其他区域;空间上,内排土场、东排土场分布较为均匀;时间上,东排土场和北排土场形变速率较低,速率大小较为恒定。② 通过剖面线可以发现,北排土场空间形变分布呈现非均匀性,东排土场则表现出相对均衡的形变特征。采用均方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)和决定系数(R2)作为预测精度的评价指标。结果显示:相对于支持向量回归模型(Support Vector Regression,SVR)和LSTM 模型,PSO-LSTM 模型的RMSE 和MAE 至少降低了16%和30%,PSO-LSTM 模型稳定性更好、偏差更小,反映出该模型能够有效捕捉采区地表形变的波动趋势,并且具有一定的稳定性。研究成果为露天矿地表形变分析与预警提供了新思路,对于特大型露天矿地表形变监测与预测有一定的参考意义。

来源：2026年第2期

《金属矿山》期刊编辑部

查看金属矿山杂志2026年第2期