地基干涉雷达露天矿边坡形变监测数据分析与预测方法研究

发布时间：2018-06-01 14:09

本文选题：矿山边坡形变监测 + 地基干涉雷达　；参考：《太原理工大学》2017年博士论文

【摘要】：露天矿边坡的稳定性是矿山安全生产管理的重要内容,地基干涉雷达(Ground-based Interferometric Radar)作为矿山边坡形变监测的新技术,具有高精度、大范围、远距离、非接触和自动化的特点。论文围绕地基雷达在形变数据分析和预测中存在的问题展开研究,以中煤平朔安家岭露天矿北帮边坡地基雷达监测数据作为数据源,根据地基雷达技术特点,对地基雷达的形变监测效能、监测数据的可视化表达、灾变过程和形变预测模型四个方面进行了分析研究。监测效能分析是地基雷达站点位置优化选择的重要依据。目前,地基雷达站点位置的选取主要参考量程、稳定性、监测角度以及外部保障措施等基本条件,无法对多个符合基本条件的测站位置进行优化选取。首先给出站点位置选取的基本条件,然后分析了影响其监测效能的内部因素和外部因素,建立效能分析的层次分析方法,选取回波扫描有效覆盖率和回波强度平均值两个具体指标,进行监测效能评价。最后,分析地形因素和地表特征要素对监测效能指标的影响。以安家岭北帮边坡形变监测案例进行实证分析,结果表明:在该监测区域,当坡度数值约为20°,坡向数值约为170°时,雷达采集点个数最多;当坡度数值约为25°,坡向数值约为180°时,雷达回波强度最高;边坡的坡面区域雷达采集点个数多于边坡的平盘区域。针对地基雷达系统监测数据的可视化程度偏低、涵盖信息不丰富的现状,本文提出将遥感影像数据(remotesensingimage,简称rs)和数字高程模型数据(digitalelevationmodel,简称dem)叠加之后,加载到地基雷达形变监测数据中进行表达的方法,实现了地基雷达监测过程数据、结果数据以及分类数据的三维立体表达。该方法丰富了可视化表达效果中的地表覆盖和地形起伏信息,能够直观地掌握监测区域的形变程度、快速地判断不同程度形变区域的地表特征信息,使形变分析结果更加直观。根据地基雷达监测数据特点、灾变前形变特征信息、现场条件及天气因素等开展灾变分析,可以掌握灾变前形变区域位置、扩散面积以及变化趋势。通过对监测区域的地质、地形等内部因素和气象、地震、人工开采活动等诱发因素的综合分析研究,可全面了解影响露天矿边坡形变的因素。利用空间统计分析方法,判断并提取了形变异常聚集区的空间位置,并对其进行基本特征统计,比较精确地掌握形变量累计的程度;同时,选取单点形变速率作为判断灾变发生的信号。本文以北帮边坡监测数据为例,对灾变分析方法进行实证分析,结果表明该方法能够准确确定灾变区域、精确统计形变异常区域扩散面积以及判断灾变趋势。工程实践证明,当形变积累到一定量,达到一定阈值,通常会在诱因作用下发生灾变。考虑到芦子沟背斜和安家岭逆断层等构造因素对北帮边坡形变影响较小,因此本文以气象因素,这一重要的灾变诱发因素,作为诱发因子,利用ga-bp组合模型算法建立了形变预测模型。将地基雷达气象采集模块采集的五种气象数据作为预测模型的输入,发生形变的坐标值作为预测模型的输出。该模型结合了bp神经网络(backpropagationneuralNetwork,简称BPNN)解决非线性问题收敛速度快和精度高的优势以及遗传算法(Genetic Algorithm,简称GA)解决BP神经网络易于陷入局部最小值的优势。利用该模型对安家岭露天矿边坡实测数据进行案例分析,并将GA-BP预测模型的预测结果与传统的RBF神经网络和BP神经网络预测结果进行比较。结果表明,GA-BP预测模型的预测精度、收敛速度以及泛化能力均优于其它两种模型。
[Abstract]:The stability of the open pit slope is an important part of mine safety production management . Ground - based radar ( Ground - based Radar ) is used as a new technique for mine slope deformation monitoring . It has the characteristics of high precision , wide range , long distance , non - contact and automation . Based on the analysis of the geological and topography of the monitoring area and the factors of meteorological , earthquake and artificial exploitation , this paper analyzes the factors affecting the deformation of the slope . The results show that the method can accurately determine the area of the deformation of the slope , and compare the results with the traditional RBF neural network and the BP neural network . The results show that the prediction accuracy , convergence rate and generalization ability of the GA - BP neural network are better than the other two models .
【学位授予单位】：太原理工大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TD824.73

【相似文献】