融合SBAS-InSAR与GS-LSTM的尾矿库沉降监测与预测

摘要：

尾矿库作为一种危险源,需对其进行长期监测及预警,但目前针对尾矿库的监测方法费时费力且预警模型较少,为此提出了一种基于小基线集(SBAS-InSAR)技术、长短期记忆(LSTM)神经网络以及网格搜索(GS)算法相结合的尾矿库沉降预测模型,实现了尾矿库沉降监测与预测的一体化.首先,以60景Sentinel-1A影像作为数据源,采用SBAS-InSAR技术监测鞍山市西果园尾矿库动态沉降过程,获取该尾矿库2018—2020年内时间序列沉降信息,将其与GPS技术获取的测量结果进行对比,发现时序InSAR监测精度较高.然后将降雨量与沉降量关联分析,得到尾矿库沉降的波动规律,构建LSTM神经网络沉降预测模型,再利用GS算法将模型中的超参数进行全局寻优.最后将监测数据划分为训练集与测试集,与传统预测模型进行对比.试验结果表明:GS-LSTM模型在西果园尾矿库沉降预测中呈现出了较好的预测精度,3个测试点中最大平均绝对误差(MAE)为2.51 mm,最大均方根误差(RMSE)为2.90 mm,可以较为精准地反映出具有尾矿库沉降特点的波动和趋势,为尾矿库灾害预警及治理提供了理论依据.

关键词：SBAS-InSAR、尾矿库、LSTM神经网络、预测模型

分类号：TD164;P237(矿山地质与测量)

资助基金：国家自然科学基金51774204

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：102-109