金属矿山 ›› 2026, Vol. 55 ›› Issue (10): 290-295.
郝 蓉1 ,牛玉芬2 ,柳 艳1
HAO Rong1 ,NIU Yufen2 ,LIU Yan1
摘要: 矿区开采引发的地表沉陷严重威胁了矿区安全与生态环境,传统监测方法存在效率低、成本高等局限, 为提升沉陷边界提取的自动化与精度,提出了一种融合视觉几何组16层卷积神经网络(Visual Geometry Group 16-lay er Convolutional Neural Network,VGG16)网络与合成孔径雷达干涉测量(Synthetic Aperture Radar,InSAR)技术的新方 法。该方法通过InSAR获取矿区时序形变数据,结合VGG16的多尺度特征提取能力实现边界智能分割。我国西北某 典型煤矿区试验表明:在地表覆盖类型复杂区域,VGG16边界提取精度更高,最高可达97.6%,平均精度约95%;RF 算法提取精度次之,最高96.4%,平均精度约92%;VGG16网络的分类准确率稳定性更好,最高可达95.4%;RF算法 分类效果次之,最高94.6%。对于对于沉陷程度差异明显区域,VGG16最高边界提取精度保持在98.2%,平均精度约 96%;RF最高97.8%,平均精度约91%;VGG16最高分类准确率达到91.4%,RF次之,最高为87.2%。研究反映出, 该方法有助于提升矿区开采沉陷边界的提取精度,可为矿区沉陷监测与生态修复提供技术参考。
中图分类号: