金属矿山

作者：刘增波,徐良骥,张坤,刘潇鹏,曹宗友,徐阳

单位：1. 安徽理工大学空间信息与测绘工程学院,安徽 淮南 232001;2. 深部煤矿采动响应与灾害防控国家重点实验室,安徽 淮南 232001;3. 矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室,安徽 淮南 232001;4. 矿山环境与灾害协同监测煤炭行业工程研究中心,安徽 淮南 232001;5. 合肥综合性国家科学中心能源研究院,安徽 合肥 230031

煤矿开采地表残余形变可能对地表建(构)筑物、道路、地下管线等基础设施造成潜在威胁,有必要对其进行准确预测。融合SBAS-InSAR 监测方法,提出了一种布谷鸟搜索算法改进支持向量机回归(CS-SVM)的预测模型,利用2017 年11 月—2020 年6 月的60 景Sentinel-1A SAR 影像对安徽省某矿7221 工作面进行开采沉陷长时序监测,获取了该工作面回采过程中与停采后2 a 内地表年均形变速率与累计形变。结果表明:该工作面最大年均形变速率为-56 mm/ a,最大累计沉降为151 mm。利用水准测量数据对InSAR 结果进行验证,两者残差均小于5 mm,证明了两者具有较好的一致性。为比较优化前后SVM 预测模型的精度,引入平均绝对误差和均方根误差进行精度评价。结果显示:优化模型的2 种误差均在4 mm 以内,相比传统模型,误差分别降低了59%和60%,预测精度明显提高。研究反映出,所提模型具有较好的预测能力,可为废弃煤矿区防灾减灾提供参考。

来源：2024年第8期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第8期