InSAR 与数值模拟协同的排土场边坡稳定性分析及形变预测研究

为探明历史滑坡治理后排土场边坡的形变规律,以大孤山露天矿排土场为例,首先利用短基线子集干涉(SBAS-InSAR)技术进行地表沉降时序监测,分析排土场边坡的主要沉降区域及稳定性影响因素;然后采用COMSOL软件建立典型沉降区域内部位移、安全系数对降雨的响应关系,对研究区的时空变形特征进行协同分析;最后通过搭建集成多类别损失函数的粒子群(PSO)优化长短期记忆网络(LSTM)预测模型,开展区域沉降时序预测. 结果表明,中北部地区存在3处典型沉降区域,最大累积沉降量达295.8 mm,年平均沉降速率最高约为134.2 mm/a;有效降雨量是边坡形变的主要影响因素,且随着前期降雨过程的持续,边坡稳定系数的下降速率最高约为0.025％.多类别损失函数集成的PSO-LSTM 模型能反映排土场沉降波动趋势,且其预测精度综合评价指标(Ltotal)为2.48 mm.研究成果可为后续排土场滑坡灾害防治提供理论依据.     

基于InSAR-COMSOL的露天矿边坡稳定性分析及形变预测

露天矿地表形变特征的快速、准确分析及形变趋势精准预测是推进矿山绿色安全生产的重要保障。针对当前形变监测技术存在的时空采样率低、成本高,预测模型参数难确定等问题,以东鞍山露天铁矿为工程背景,提出了一种融合短基线子集干涉测量(SBAS-InSAR)技术和COMSOL有限元模拟的边坡稳定性分析和形变预测一体化方法。首先,利用SBAS-InSAR技术处理2018年5月—2020年6月获取的62景Sentinel-1A升轨SAR数据,获取了该区域2 a内地表形变时间序列,分析了其形变时空演化特征。然后,采用COMSOL Multiphysics软件模拟外界强降雨影响下的典型沉降区域边坡稳定性状况,探讨了坡体损伤裂化规律及形变机理。基于此,利用粒子群算法(PSO)优化长短期时间记忆(LSTM)网络,搭建了形变时序预测最优模型,开展典型沉降区的形变时序预测,并引入平均绝对误差和均方根误差作为预测精度评价指标。结果表明:矿区西部沉降相对严重,年均沉降速率高达47.8 mm/a,形变速率与区域降雨量存在显著相关性。相较于传统形变预测模型,PSO-LSTM模型的2种误差至少降低了14%和36%,且能够有效...     

基于Landsat-8的煤火监测方法研究

为了监测乌达矿区煤火的变化趋势,减少因煤自燃引起的经济损失,根据landsat-8卫星影像数据采用辐射传输方程法,单窗算法,劈窗算法等反演了内蒙古乌达矿区的地表温度,提取了煤火信息,并结合内蒙古乌达市环境监测中心站提供的数据和实地考察,验证地表反演结果的有效性。结果表明:几种反演算法得到的结果与地下煤火区地表温度的空间分布一致,其中劈窗算法综合考虑了两个热红外波段,其反演结果与实测温度值的差值较小,约为0.5℃,与地面实测值一致性比较好,高温异常区范围明显,在地下煤火反演中具有一定的适用性。     

矿山测量野外数字化测图的原理、系统构成及应用

通过介绍ＰＣ－Ｅ５００计算机的扩容原理，得出Ｅ５００计算机可以开发为测绘外业用的电子手簿的结论。文章还介绍了Ｂ５００电子手簿的作用、功能，以及同进口电子手簿的比较。通过全站仪在野外实际数据采集、绘图，证明了Ｅ５００电子手簿是适合中国国情的，为性能价格比最优的电子手簿。     

基于多传感器网的露天矿边坡形变监测

基于测量机器人监测、GPS监测及地基微波雷达监测是当前形变监测的主流技术手段,然而现有的应用都没有将3者很好的结合,基于此提出了面向露天矿边坡变形的多传感器自动化监测系统,给出基于多传感器网的矿区形变监测的数据融合及系统方案。通过对多传感器网数据采集及数据融合与应用,可实现雷达数据与测量机器人、GPS数据的矿区形变监测的信息互补,提高监测的实用性。以内蒙古锡林浩特胜利煤田中东部的胜利东2号露天煤矿为例,设计并实现了多传感器网形变监测数据分析,结果表明,多传感器系统能够保证露天矿边坡监测数据在时间上的连续性、空间上的无缝性、结果上的可靠性,为边坡变形分析和预警预报提供了一种解决方案。     

基于FPGA的密码锁的设计

针对传统的密码锁存在安全性低、稳定性差等问题,提出一种基于FPGA的密码锁的设计方法,以现场可编程逻辑器件为载体,并采用Verilog HDL硬件描述语言,实现密码锁的解锁、修改密码、报警提示和数码管显示功能.密码锁系统主要由按键输入模块、按键消抖模块、分频模块、密码检测模块、输出控制模块、译码显示模块组成.利用QuartusⅡ13.0和Modelsim 10.4软件对各模块进行综合和仿真验证,结果证明,该方法具有安全可靠、运行稳定、操作简便等优点.     

尾矿库安全自动化监测系统的设计与实现

为了实现尾矿库的自动化管理,降低尾矿事故发生频率,提高尾矿生产效率,分析了我国尾矿库开发的现状,介绍了尾矿库系统的基本理论,并设计实现了在Visual Studio 2010下用C#语言的尾矿库安全自动化监测系统.该系统可对尾矿库相关数据进行实时监测,同时利用获取的各种数据完成图形输出、报表输出和分级报警功能,此外,系统还提供了GPS控制点在X、Y、Z三个方向上是否超限的预警功能,直观地反映出控制点在空间方向的实时状态.     

融合SBAS-InSAR与GS-LSTM的尾矿库沉降监测与预测

尾矿库作为一种危险源,需对其进行长期监测及预警,但目前针对尾矿库的监测方法费时费力且预警模型较少,为此提出了一种基于小基线集(SBAS-InSAR)技术、长短期记忆(LSTM)神经网络以及网格搜索(GS)算法相结合的尾矿库沉降预测模型,实现了尾矿库沉降监测与预测的一体化。首先,以60景Sentinel-1A影像作为数据源,采用SBAS-InSAR技术监测鞍山市西果园尾矿库动态沉降过程,获取该尾矿库2018—2020年内时间序列沉降信息,将其与GPS技术获取的测量结果进行对比,发现时序In SAR监测精度较高。然后将降雨量与沉降量关联分析,得到尾矿库沉降的波动规律,构建LSTM神经网络沉降预测模型,再利用GS算法将模型中的超参数进行全局寻优。最后将监测数据划分为训练集与测试集,与传统预测模型进行对比。试验结果表明:GS-LSTM模型在西果园尾矿库沉降预测中呈现出了较好的预测精度,3个测试点中最大平均绝对误差(MAE)为2.51 mm,最大均方根误差(RMSE)为2.90 mm,可以较为精准地反映出具有尾矿库沉降特点的波动和趋势,为尾矿库灾害预警及治理提供了理论依据。