吳彩燕團隊：融合時序InSAR與MIDAS的露天邊坡穩(wěn)定性分析及預測

對露天礦邊坡進行長期形變監(jiān)測，并結合多源數據，探究邊坡在極端條件下的穩(wěn)定性狀況及未來形變趨勢，對保證礦山安全生產意義重大。目前，大多數針對礦區(qū)地表形變的監(jiān)測主要以GPS測量、水準測量等技術為主，但這些監(jiān)測方法具有高成本、低效率、小范圍、低密度等缺陷。合成孔徑雷達干涉測量（InSAR）是一種基于雷達影像之間的相位差來測量地表形變的微波遙感技術，具有范圍大、精度高、密度高、成本低等監(jiān)測優(yōu)勢。大量實例應用證明了InSAR技術在礦區(qū)形變監(jiān)測方面具有良好的適用性。InSAR監(jiān)測技術雖能反映宏觀地表位移，但難以揭示巖土體應力變化。為分析露天礦邊坡形變機理，還需融合有限元數值模擬方法研究巖土體的力學響應過程。邊坡的形變是多因素制約的力學響應過程，如何在邊坡穩(wěn)定性評價的基礎上，進一步分析應力—應變之間的響應規(guī)律，實現露天礦邊坡形變的科學預測，仍是目前露天礦邊坡穩(wěn)定性分析的重點。

吳彩燕團隊采用SBAS-InSAR技術獲取2014—2023年間金川龍首露天礦區(qū)地表時序形變，分析其形變特征和機理，探究同時期地震活動對礦區(qū)地表形變速率的影響，并采用MIDAS GTS NX軟件模擬露天礦邊坡在地震工況下的穩(wěn)定性。最后，提出了一種利用BO優(yōu)化LSTM網絡的預測模型，采用該模型預測了礦區(qū)未來2 a地表形變。

融合時序InSAR與MIDAS的露天邊坡穩(wěn)定性分析及預測

蒙 齊 吳彩燕 曾特林 譚寶會 賈 應 應欣翰

（西南科技大學環(huán)境與資源學院）

摘 要：針對當前礦區(qū)地表形變監(jiān)測技術監(jiān)測范圍小、周期長、采樣率低等問題，以龍首露天礦為工程背景，融合SBAS-InSAR技術、MIDAS數值模擬與長短期記憶（Long Short Term Memory，LSTM）網絡，提出了一種邊坡穩(wěn)定性的分析與預測一體化方法。利用SBAS-InSAR 技術獲取研究區(qū)2014—2023 年地表垂直向形變時序反演結果，并分析其時空演化特征與形變機理。以典型形變剖面為研究對象，采用MIDAS GTS NX軟件模擬邊坡在強震作用下的穩(wěn)定性，并分析邊坡破壞規(guī)律及形變特征。采用貝葉斯優(yōu)化算法（Bayesian Optimization，BO）優(yōu)化LSTM網絡，搭建并優(yōu)化預測模型用于礦區(qū)地表形變預測。結果表明:南側邊坡垂直向形變相對嚴重，沉降速率達176. 3 mm/a，累積沉降量達1 489 mm；在強震數值模擬中邊坡產生嚴重位移變形并最終失穩(wěn)；基于SBAS-InSAR監(jiān)測結果對各預測模型進行精度驗證，驗證結果表明BO-LSTM模型的預測精度最優(yōu)，平均絕對誤差與均方根誤差至少降低了18%和16%。采用該模型預測礦區(qū)未來地表垂直向形變，預測結果表明，未來2 a內礦區(qū)形變速率放緩，邊坡處于穩(wěn)定狀態(tài)。

關鍵詞：穩(wěn)定性分析 數值模擬 長短期記憶網絡 貝葉斯優(yōu)化 時序InSAR

SBAS-InSAR礦區(qū)形變監(jiān)測

本試驗選取覆蓋研究區(qū)的128 景哨兵一號（sentinel-1A）雷達影像對露天礦進行形變監(jiān)測分析，數據時間跨度為2014年10月—2023年6月，24 d一景。用于去除地形相位的外部數字高程模型（Digital Elevation Model，DEM）為地理空間數據云網站提供的SRTM-DEM，絕對高程精度約90 m。

礦區(qū)地表垂直向形變速率

通過分析形變數據，得出露天礦地表形變機理：

（1）開采活動是礦區(qū)地表形變的主要外因；

（2）斷層對礦區(qū)地表形變的影響。

基于BO-LSTM的地表形變預測

與傳統循環(huán)神經網絡（Recurrent Neural Network，RNN）相比，長短期記憶（Long Short Term Memory，LSTM）網絡所具備的反饋連接讓其能夠更好地處理長時序數據。LSTM模型內部主要由遺忘門、輸入門與輸出門3個門單元組成，遺忘門決定信息是否通過，輸入門決定信息保留或更新，輸出門決定信息是否以當前狀態(tài)輸出。

—遺忘門權值 —輸入門權值 —輸出門權值

—t時刻的樣本序列值 c—狀態(tài)單元 h—輸出狀態(tài) tanh—激活函數

LSTM神經網絡中超參數的設置直接影響模型的預測效果，為避免超參數手動取值可能造成的局部最優(yōu)化而影響模型整體性能，采用貝葉斯優(yōu)化算法（Bayesian Optimization，BO）優(yōu)化LSTM網絡，實現超參數的自動選擇，提升預測模型的泛化性與準確性。貝葉斯優(yōu)化算法作為一種全局優(yōu)化算法，可利用較少的迭代步驟實現模型的超參數最優(yōu)化。貝葉斯優(yōu)化算法由2個核心部分構成:概率代理模型和采集函數，前者用于擬合目標函數，后者根據已知數據遞推最優(yōu)值。

各模型預測結果

結 論

（1）提出了一種SBAS-InSAR時序形變監(jiān)測、形變速率—地震活動相關性分析、數值模擬一體化的邊坡穩(wěn)定性分析方法。采用貝葉斯優(yōu)化算法優(yōu)化LSTM模型，對比驗證結果表明，BO-LSTM模型的精度在3種預測模型中最優(yōu)，平均絕對誤差與均方根誤差至少降低了18%和16%。

（2）露天礦南側邊坡形變顯著，最高沉降速率約176.3 mm/a，累計沉降量達1 489 mm。相關性分析結果表明，周邊地震活動對礦區(qū)地表形變速率具有顯著影響。根據數值模擬結果，強震作用下邊坡有失穩(wěn)的可能，應對露天礦南側邊坡進行多維動態(tài)監(jiān)測。對礦區(qū)垂直向地表形變進行預測，未來2 a內礦區(qū)形變速率放緩，邊坡處于穩(wěn)定狀態(tài)。

（3）雖建立了邊坡的三維模型進行數值模擬，但未深入考慮地下開采區(qū)域的現狀，后期將考慮到地下采空區(qū)對上覆巖層的影響，結合礦山開采計劃進行邊坡穩(wěn)定性分析。

引用格式

蒙齊,吳彩燕,曾特林,等.融合時序InSAR與MIDAS的露天邊坡穩(wěn)定性分析及預測[J].金屬礦山,2024(10):216-223.

原文下載

作者簡介

吳彩燕，西南科技大學環(huán)境與資源學院測繪與地理信息工程系教授，智慧陸表與防災減災團隊負責人，西南科技大學資源與環(huán)境專業(yè)碩士生導師。長期從事地質災害風險評估、防災減災與礦山安全及遙感和GIS在地質、環(huán)境、生態(tài)等方面的應用研究。主持并負責國家自然科學基金項目、十二五科技支撐計劃項目子課題、國際合作項目、四川省科技廳項目以及省教育廳項目30余項。擔任多屆四川省地理學會常務理事，四川省海外高層次留學人才，四川省應急管理專家，國土空間生態(tài)修復專家和自然保護地專家。

《金屬礦山》簡介

《金屬礦山》由中鋼集團馬鞍山礦山研究總院股份有限公司和中國金屬學會主辦，主編為中國工程院王運敏院士，現為北大中文核心期刊、中國科技論文統計源期刊（中國科技核心期刊）、中國精品科技期刊（F5000頂尖學術論文來源期刊）、中國百強報刊、RCCSE中國核心學術期刊（A）、中國期刊方陣雙百期刊、國家百種重點期刊、華東地區(qū)優(yōu)秀期刊，被美國化學文摘（CA）、美國劍橋科學文摘（CSA）、波蘭哥白尼索引（IC）、日本科學技術振興機構數據庫（JST）等世界著名數據庫收錄。主要刊登金屬礦山采礦、礦物加工、機電與自動化、安全環(huán)保、礦山測量、地質勘探等領域具有重大學術價值或工程推廣價值的研究成果，優(yōu)先報道受到國家重大科研項目資助的高水平研究成果。根據科技部中國科技信息研究所發(fā)布的《2024中國科技期刊引證報告（核心版）》，《金屬礦山》核心總被引頻次位列26種礦業(yè)工程技術學科核心期刊第1位；根據中國知網發(fā)布的《中國學術期刊影響因子年報》（2024版），《金屬礦山》學科影響力位居73種礦業(yè)期刊第9位。

中鋼礦院出版?zhèn)髅街行?/strong>