吳彩燕團(tuán)隊(duì)：融合時(shí)序InSAR與MIDAS的露天邊坡穩(wěn)定性分析及預(yù)測

對露天礦邊坡進(jìn)行長期形變監(jiān)測，并結(jié)合多源數(shù)據(jù)，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(chǎn)意義重大。目前，大多數(shù)針對礦區(qū)地表形變的監(jiān)測主要以GPS測量、水準(zhǔn)測量等技術(shù)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(dá)干涉測量（InSAR）是一種基于雷達(dá)影像之間的相位差來測量地表形變的微波遙感技術(shù)，具有范圍大、精度高、密度高、成本低等監(jiān)測優(yōu)勢。大量實(shí)例應(yīng)用證明了InSAR技術(shù)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(shù)雖能反映宏觀地表位移，但難以揭示巖土體應(yīng)力變化。為分析露天礦邊坡形變機(jī)理，還需融合有限元數(shù)值模擬方法研究巖土體的力學(xué)響應(yīng)過程。邊坡的形變是多因素制約的力學(xué)響應(yīng)過程，如何在邊坡穩(wěn)定性評價(jià)的基礎(chǔ)上，進(jìn)一步分析應(yīng)力—應(yīng)變之間的響應(yīng)規(guī)律，實(shí)現(xiàn)露天礦邊坡形變的科學(xué)預(yù)測，仍是目前露天礦邊坡穩(wěn)定性分析的重點(diǎn)。

吳彩燕團(tuán)隊(duì)采用SBAS-InSAR技術(shù)獲取2014—2023年間金川龍首露天礦區(qū)地表時(shí)序形變，分析其形變特征和機(jī)理，探究同時(shí)期地震活動(dòng)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(wǎng)絡(luò)的預(yù)測模型，采用該模型預(yù)測了礦區(qū)未來2 a地表形變。

融合時(shí)序InSAR與MIDAS的露天邊坡穩(wěn)定性分析及預(yù)測

蒙 齊 吳彩燕 曾特林 譚寶會(huì) 賈 應(yīng) 應(yīng)欣翰

（西南科技大學(xué)環(huán)境與資源學(xué)院）

摘 要：針對當(dāng)前礦區(qū)地表形變監(jiān)測技術(shù)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(shù)、MIDAS數(shù)值模擬與長短期記憶（Long Short Term Memory，LSTM）網(wǎng)絡(luò)，提出了一種邊坡穩(wěn)定性的分析與預(yù)測一體化方法。利用SBAS-InSAR 技術(shù)獲取研究區(qū)2014—2023 年地表垂直向形變時(shí)序反演結(jié)果，并分析其時(shí)空演化特征與形變機(jī)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(qiáng)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(wǎng)絡(luò)，搭建并優(yōu)化預(yù)測模型用于礦區(qū)地表形變預(yù)測。結(jié)果表明:南側(cè)邊坡垂直向形變相對嚴(yán)重，沉降速率達(dá)176. 3 mm/a，累積沉降量達(dá)1 489 mm；在強(qiáng)震數(shù)值模擬中邊坡產(chǎn)生嚴(yán)重位移變形并最終失穩(wěn)；基于SBAS-InSAR監(jiān)測結(jié)果對各預(yù)測模型進(jìn)行精度驗(yàn)證，驗(yàn)證結(jié)果表明BO-LSTM模型的預(yù)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(yù)測礦區(qū)未來地表垂直向形變，預(yù)測結(jié)果表明，未來2 a內(nèi)礦區(qū)形變速率放緩，邊坡處于穩(wěn)定狀態(tài)。

關(guān)鍵詞：穩(wěn)定性分析 數(shù)值模擬 長短期記憶網(wǎng)絡(luò) 貝葉斯優(yōu)化 時(shí)序InSAR

SBAS-InSAR礦區(qū)形變監(jiān)測

本試驗(yàn)選取覆蓋研究區(qū)的128 景哨兵一號(hào)（sentinel-1A）雷達(dá)影像對露天礦進(jìn)行形變監(jiān)測分析，數(shù)據(jù)時(shí)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(shù)字高程模型（Digital Elevation Model，DEM）為地理空間數(shù)據(jù)云網(wǎng)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(shù)據(jù)，得出露天礦地表形變機(jī)理：

（1）開采活動(dòng)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(yù)測

與傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）相比，長短期記憶（Long Short Term Memory，LSTM）網(wǎng)絡(luò)所具備的反饋連接讓其能夠更好地處理長時(shí)序數(shù)據(jù)。LSTM模型內(nèi)部主要由遺忘門、輸入門與輸出門3個(gè)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(dāng)前狀態(tài)輸出。

—遺忘門權(quán)值 —輸入門權(quán)值 —輸出門權(quán)值

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

LSTM神經(jīng)網(wǎng)絡(luò)中超參數(shù)的設(shè)置直接影響模型的預(yù)測效果，為避免超參數(shù)手動(dòng)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(wǎng)絡(luò)，實(shí)現(xiàn)超參數(shù)的自動(dòng)選擇，提升預(yù)測模型的泛化性與準(zhǔn)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(shí)現(xiàn)模型的超參數(shù)最優(yōu)化。貝葉斯優(yōu)化算法由2個(gè)核心部分構(gòu)成:概率代理模型和采集函數(shù)，前者用于擬合目標(biāo)函數(shù)，后者根據(jù)已知數(shù)據(jù)遞推最優(yōu)值。

各模型預(yù)測結(jié)果

結(jié) 論

（1）提出了一種SBAS-InSAR時(shí)序形變監(jiān)測、形變速率—地震活動(dòng)相關(guān)性分析、數(shù)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(yàn)證結(jié)果表明，BO-LSTM模型的精度在3種預(yù)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(cè)邊坡形變顯著，最高沉降速率約176.3 mm/a，累計(jì)沉降量達(dá)1 489 mm。相關(guān)性分析結(jié)果表明，周邊地震活動(dòng)對礦區(qū)地表形變速率具有顯著影響。根據(jù)數(shù)值模擬結(jié)果，強(qiáng)震作用下邊坡有失穩(wěn)的可能，應(yīng)對露天礦南側(cè)邊坡進(jìn)行多維動(dòng)態(tài)監(jiān)測。對礦區(qū)垂直向地表形變進(jìn)行預(yù)測，未來2 a內(nèi)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(jìn)行數(shù)值模擬，但未深入考慮地下開采區(qū)域的現(xiàn)狀，后期將考慮到地下采空區(qū)對上覆巖層的影響，結(jié)合礦山開采計(jì)劃進(jìn)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(shí)序InSAR與MIDAS的露天邊坡穩(wěn)定性分析及預(yù)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(xué)環(huán)境與資源學(xué)院測繪與地理信息工程系教授，智慧陸表與防災(zāi)減災(zāi)團(tuán)隊(duì)負(fù)責(zé)人，西南科技大學(xué)資源與環(huán)境專業(yè)碩士生導(dǎo)師。長期從事地質(zhì)災(zāi)害風(fēng)險(xiǎn)評估、防災(zāi)減災(zāi)與礦山安全及遙感和GIS在地質(zhì)、環(huán)境、生態(tài)等方面的應(yīng)用研究。主持并負(fù)責(zé)國家自然科學(xué)基金項(xiàng)目、十二五科技支撐計(jì)劃項(xiàng)目子課題、國際合作項(xiàng)目、四川省科技廳項(xiàng)目以及省教育廳項(xiàng)目30余項(xiàng)。擔(dān)任多屆四川省地理學(xué)會(huì)常務(wù)理事，四川省海外高層次留學(xué)人才，四川省應(yīng)急管理專家，國土空間生態(tài)修復(fù)專家和自然保護(hù)地專家。

《金屬礦山》簡介

《金屬礦山》由中鋼集團(tuán)馬鞍山礦山研究總院股份有限公司和中國金屬學(xué)會(huì)主辦，主編為中國工程院王運(yùn)敏院士，現(xiàn)為北大中文核心期刊、中國科技論文統(tǒng)計(jì)源期刊（中國科技核心期刊）、中國精品科技期刊（F5000頂尖學(xué)術(shù)論文來源期刊）、中國百強(qiáng)報(bào)刊、RCCSE中國核心學(xué)術(shù)期刊（A）、中國期刊方陣雙百期刊、國家百種重點(diǎn)期刊、華東地區(qū)優(yōu)秀期刊，被美國化學(xué)文摘（CA）、美國劍橋科學(xué)文摘（CSA）、波蘭哥白尼索引（IC）、日本科學(xué)技術(shù)振興機(jī)構(gòu)數(shù)據(jù)庫（JST）等世界著名數(shù)據(jù)庫收錄。主要刊登金屬礦山采礦、礦物加工、機(jī)電與自動(dòng)化、安全環(huán)保、礦山測量、地質(zhì)勘探等領(lǐng)域具有重大學(xué)術(shù)價(jià)值或工程推廣價(jià)值的研究成果，優(yōu)先報(bào)道受到國家重大科研項(xiàng)目資助的高水平研究成果。根據(jù)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(bào)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(shù)學(xué)科核心期刊第1位；根據(jù)中國知網(wǎng)發(fā)布的《中國學(xué)術(shù)期刊影響因子年報(bào)》（2024版），《金屬礦山》學(xué)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>