摘要： 针对当前矿区地表形变监测技术监测范围小、周期长、采样率低等问题,以龙首露天矿为工程背景,融 合SBAS-InSAR 技术、MIDAS 数值模拟与长短期记忆(Long Short Term Memory,LSTM)网络,提出了一种边坡稳定性的 分析与预测一体化方法。利用SBAS-InSAR 技术获取研究区2014—2023 年地表垂直向形变时序反演结果,并分析其 时空演化特征与形变机理。以典型形变剖面为研究对象,采用MIDAS GTS NX 软件模拟边坡在强震作用下的稳定性, 并分析边坡破坏规律及形变特征。采用贝叶斯优化算法(bayesian optimization,BO)优化LSTM 网络,搭建并优化预测 模型用于矿区地表形变预测。结果表明:南侧边坡垂直向形变相对严重,沉降速率达176. 3 mm/ a,累积沉降量达 1 489 mm;在强震数值模拟中边坡产生严重位移变形并最终失稳;基于SBAS-InSAR 监测结果对各预测模型进行精度 验证,验证结果表明BO-LSTM 模型的预测精度最优,平均绝对误差与均方根误差至少降低了18%和16%。采用该模 型预测矿区未来地表垂直向形变,预测结果表明,未来2 a 内矿区形变速率放缓,边坡处于稳定状态。

关键词: 稳定性分析　数值模拟　长短期记忆网络　贝叶斯优化　时序InSAR