基于D-InSAR与概率积分法的开采沉陷监测与预计

金属矿山 ›› 2015, Vol. 44 ›› Issue (04): 195-200.

基于D-InSAR与概率积分法的开采沉陷监测与预计

杨俊凯¹，陈炳乾²，邓喀中¹，何强¹，赵伟颖¹

1.中国矿业大学环境与测绘学院，江苏徐州 221116；2.矿山空间信息技术国家测绘地理信息局重点实验室,河南焦作 454000

出版日期:2015-04-15 发布日期:2015-08-04
基金资助:
* 测绘地理信息公益性行业科研专项（编号：201412016）,江苏高校优势学科建设工程项目（编号：SZBF2011-6-B35）,矿山空间信息技术国家测绘地理信息局重点实验室开放基金项目（编号：KLM201311）。

Monitoring and Prediction of Mining Subsidence based on D-InSAR and Probability Integral Method

Yang Junkai¹，Chen Bingqian²，Deng Kazhong¹，He Qiang¹，Zhao Weiying¹

1.School of Environmental Science and Spatial Informatics，China University of Mining & Technology，Xuzhou 221116，China;2.Key Laboratory of Mine Spatial Information Technologies，National Administration of Surveying，Mapping and Geoinformation，Jiaozuo 454000，China

Online:2015-04-15 Published:2015-08-04

摘要/Abstract

摘要： 为掌握采动区附近高等级公路的变形趋势，针对传统开采沉陷监测方法存在诸多缺陷的问题，将合成孔径雷达技术(D-InSAR)与概率积分法相结合，提出了一种矿山开采沉陷监测与预计方法。该方法首先利用D-InSAR技术对兖州某矿9308工作面进行了监测和分析，并将监测结果与路面水准测量数据进行了对比，然后基于D-InSAR的监测值，求取了9308工作面非充分采动下的概率积分法预计参数，再根据三下采煤规程对参数进行修正得到工作面全采时的预计参数，最后利用修正后的参数预计出工作面全采对附近高等级公路的影响程度。结果表明D-InSAR技术高精度的优势可以为开采沉陷预计提供可靠的监测数据，该方法可以为实现矿山开采沉陷监测与预计一体化提供有力支持。

关键词: D-InSAR, 概率积分法, 开采沉陷, 预计参数

Abstract: In order to obtain the deformation law of high grade highway near mining area and overcome the limitations of traditional mining subsidence monitoring methods，a mining subsidence monitoring and predicting method based on the combination of the Differential SAR Interferometry (D-InSAR) technique and probability integral method was presented.The D-InSAR technology was used to monitor and analyze the subsidence trend of the 9308 working face in Yanzhou，and the monitor results were compared with leveling data.Before modifying the prediction parameters into sufficiency mining condition，the probability integral method parameters of the 9308 working face under insufficiency mining were calculated using D-InSAR monitoring results.Then the influence of high grade highway due to coal mining was predicted using the modified prediction parameters.Experimental results verified that D-InSAR technology had high monitoring accuracy which can provide reliable data for the prediction of mining subsidence，and this method could provide strong support to realize the integration of monitoring and prediction of mining subsidence.

Key words: D-InSAR, Probability integral method, Mining subsidence, Prediction parameters

杨俊凯, 陈炳乾, 邓喀中, 何强, 赵伟颖. 基于D-InSAR与概率积分法的开采沉陷监测与预计[J]. 金属矿山, 2015, 44(04): 195-200.

YANG Jun-Kai, CHEN Bing-Qian, DENG Ka-Zhong, HE Qiang, ZHAO Wei-Ying. Monitoring and Prediction of Mining Subsidence based on D-InSAR and Probability Integral Method[J]. Metal Mine, 2015, 44(04): 195-200.

[1]	刘增波, 徐良骥, 张　坤, 刘潇鹏, 曹宗友, 徐　阳. 融合SBAS-InSAR 与CS-SVM 的矿区地表残余沉降预测模型[J]. 金属矿山, 2024, 53(8): 133-.
[2]	田迎斌, 孙丽丽, 丁宜军, 张　涛. 动态采煤沉陷区预回填施工控制模式研究[J]. 金属矿山, 2024, 53(7): 241-.
[3]	张传宝, 蔡来良, 王　巍, 柴华彬, 邹友峰, 张文志. 高强度重复开采覆岩与地表移动机理[J]. 金属矿山, 2024, 53(7): 173-.
[4]	张　凌, 邱　斌, 张　源. 基于无人机倾斜摄影测量技术与SVR 算法的开采沉陷监测与预计[J]. 金属矿山, 2024, 53(7): 168-.
[5]	苗　伟, 安士凯, 徐燕飞, 薛　博. 基于分段Knothe 时间函数的开采沉陷预计模型优化及应用[J]. 金属矿山, 2024, 53(6): 153-.
[6]	吝　涛, 范洪冬, 孙　叶, 李向伟, 庄会富. 基于U2-Net 的广域InSAR 开采沉陷区自动识别方法研究[J]. 金属矿山, 2024, 53(4): 177-.
[7]	陈红凯, 郭庆彪, 郭广礼, 马洪浩, 罗　锦. 黄土梁峁地形大采高煤层开采地表移动规律数值模拟研究[J]. 金属矿山, 2024, 53(4): 170-.
[8]	张连贵, 刘峰建, 张　鑫, 郭广礼, 李怀展, 宫亚强. 采动影响下浅埋输油气管线变形监测与风险性评价方法及应用实践[J]. 金属矿山, 2024, 53(3): 183-.
[9]	李思豪, 查剑锋, 关　杰, 张　民. 沉陷区河堤边采边复治理方式下的动态填方量预计方法[J]. 金属矿山, 2024, 53(2): 198-.
[10]	孙志豪, 徐良骥, 刘潇鹏. 一种基于分段加权赋参的厚松散层矿区沉陷预计方法[J]. 金属矿山, 2024, 53(11): 132-.
[11]	朱权洁, 谷　雷, 刘晓云, 尹永明, 朱斯陶. 基于D-InSAR 技术的矿区地表沉降规律分析与趋势预测[J]. 金属矿山, 2024, 53(11): 125-.
[12]	肖海平, 范永超, 陈兰兰, 万俊辉, 陈　磊. 融合SBAS-InSAR 技术与GRO-BiLSTM 模型的开采沉陷边界划定方法[J]. 金属矿山, 2024, 53(10): 139-.
[13]	林芳, 冯晓九. 基于概率积分法的济宁某矿地表位移规律研究[J]. 金属矿山, 2023, 52(11): 198-204.
[14]	王比比, 谭毅, 孙琦, 杨伟强, 赵高博, 徐飞亚. 山区复杂地形下地表移动盆地边界角量参数研究[J]. 金属矿山, 2023, 52(02): 154-160.
[15]	王羽, 王磊, 李靖宇, 江克贵, 李世保, 杨科, 刘洪江. 矿区全尺度梯度地表形变监测的 LEV-InSAR 模型[J]. 金属矿山, 2023, 52(01): 134-141.

扫码分享