吴彩燕团队：融合时序InSAR与MIDAS的露天边坡稳定性分析及预测

对露天矿边坡进行长期形变监测，并结合多源数据，探究边坡在极端条件下的稳定性状况及未来形变趋势，对保证矿山安全生产意义重大。目前，大多数针对矿区地表形变的监测主要以GPS测量、水准测量等技术为主，但这些监测方法具有高成本、低效率、小范围、低密度等缺陷。合成孔径雷达干涉测量（InSAR）是一种基于雷达影像之间的相位差来测量地表形变的微波遥感技术，具有范围大、精度高、密度高、成本低等监测优势。大量实例应用证明了InSAR技术在矿区形变监测方面具有良好的适用性。InSAR监测技术虽能反映宏观地表位移，但难以揭示岩土体应力变化。为分析露天矿边坡形变机理，还需融合有限元数值模拟方法研究岩土体的力学响应过程。边坡的形变是多因素制约的力学响应过程，如何在边坡稳定性评价的基础上，进一步分析应力—应变之间的响应规律，实现露天矿边坡形变的科学预测，仍是目前露天矿边坡稳定性分析的重点。

吴彩燕团队采用SBAS-InSAR技术获取2014—2023年间金川龙首露天矿区地表时序形变，分析其形变特征和机理，探究同时期地震活动对矿区地表形变速率的影响，并采用MIDAS GTS NX软件模拟露天矿边坡在地震工况下的稳定性。最后，提出了一种利用BO优化LSTM网络的预测模型，采用该模型预测了矿区未来2 a地表形变。

融合时序InSAR与MIDAS的露天边坡稳定性分析及预测

蒙 齐 吴彩燕 曾特林 谭宝会 贾 应 应欣翰

（西南科技大学环境与资源学院）

摘 要：针对当前矿区地表形变监测技术监测范围小、周期长、采样率低等问题，以龙首露天矿为工程背景，融合SBAS-InSAR技术、MIDAS数值模拟与长短期记忆（Long Short Term Memory，LSTM）网络，提出了一种边坡稳定性的分析与预测一体化方法。利用SBAS-InSAR 技术获取研究区2014—2023 年地表垂直向形变时序反演结果，并分析其时空演化特征与形变机理。以典型形变剖面为研究对象，采用MIDAS GTS NX软件模拟边坡在强震作用下的稳定性，并分析边坡破坏规律及形变特征。采用贝叶斯优化算法（Bayesian Optimization，BO）优化LSTM网络，搭建并优化预测模型用于矿区地表形变预测。结果表明:南侧边坡垂直向形变相对严重，沉降速率达176. 3 mm/a，累积沉降量达1 489 mm；在强震数值模拟中边坡产生严重位移变形并最终失稳；基于SBAS-InSAR监测结果对各预测模型进行精度验证，验证结果表明BO-LSTM模型的预测精度最优，平均绝对误差与均方根误差至少降低了18%和16%。采用该模型预测矿区未来地表垂直向形变，预测结果表明，未来2 a内矿区形变速率放缓，边坡处于稳定状态。

关键词：稳定性分析 数值模拟 长短期记忆网络 贝叶斯优化 时序InSAR

SBAS-InSAR矿区形变监测

本试验选取覆盖研究区的128 景哨兵一号（sentinel-1A）雷达影像对露天矿进行形变监测分析，数据时间跨度为2014年10月—2023年6月，24 d一景。用于去除地形相位的外部数字高程模型（Digital Elevation Model，DEM）为地理空间数据云网站提供的SRTM-DEM，绝对高程精度约90 m。

矿区地表垂直向形变速率

通过分析形变数据，得出露天矿地表形变机理：

（1）开采活动是矿区地表形变的主要外因；

（2）断层对矿区地表形变的影响。

基于BO-LSTM的地表形变预测

与传统循环神经网络（Recurrent Neural Network，RNN）相比，长短期记忆（Long Short Term Memory，LSTM）网络所具备的反馈连接让其能够更好地处理长时序数据。LSTM模型内部主要由遗忘门、输入门与输出门3个门单元组成，遗忘门决定信息是否通过，输入门决定信息保留或更新，输出门决定信息是否以当前状态输出。

—遗忘门权值 —输入门权值 —输出门权值

—t时刻的样本序列值 c—状态单元 h—输出状态 tanh—激活函数

LSTM神经网络中超参数的设置直接影响模型的预测效果，为避免超参数手动取值可能造成的局部最优化而影响模型整体性能，采用贝叶斯优化算法（Bayesian Optimization，BO）优化LSTM网络，实现超参数的自动选择，提升预测模型的泛化性与准确性。贝叶斯优化算法作为一种全局优化算法，可利用较少的迭代步骤实现模型的超参数最优化。贝叶斯优化算法由2个核心部分构成:概率代理模型和采集函数，前者用于拟合目标函数，后者根据已知数据递推最优值。

各模型预测结果

结 论

（1）提出了一种SBAS-InSAR时序形变监测、形变速率—地震活动相关性分析、数值模拟一体化的边坡稳定性分析方法。采用贝叶斯优化算法优化LSTM模型，对比验证结果表明，BO-LSTM模型的精度在3种预测模型中最优，平均绝对误差与均方根误差至少降低了18%和16%。

（2）露天矿南侧边坡形变显著，最高沉降速率约176.3 mm/a，累计沉降量达1 489 mm。相关性分析结果表明，周边地震活动对矿区地表形变速率具有显著影响。根据数值模拟结果，强震作用下边坡有失稳的可能，应对露天矿南侧边坡进行多维动态监测。对矿区垂直向地表形变进行预测，未来2 a内矿区形变速率放缓，边坡处于稳定状态。

（3）虽建立了边坡的三维模型进行数值模拟，但未深入考虑地下开采区域的现状，后期将考虑到地下采空区对上覆岩层的影响，结合矿山开采计划进行边坡稳定性分析。

引用格式

蒙齐,吴彩燕,曾特林,等.融合时序InSAR与MIDAS的露天边坡稳定性分析及预测[J].金属矿山,2024(10):216-223.

原文下载

作者简介

吴彩燕，西南科技大学环境与资源学院测绘与地理信息工程系教授，智慧陆表与防灾减灾团队负责人，西南科技大学资源与环境专业硕士生导师。长期从事地质灾害风险评估、防灾减灾与矿山安全及遥感和GIS在地质、环境、生态等方面的应用研究。主持并负责国家自然科学基金项目、十二五科技支撑计划项目子课题、国际合作项目、四川省科技厅项目以及省教育厅项目30余项。担任多届四川省地理学会常务理事，四川省海外高层次留学人才，四川省应急管理专家，国土空间生态修复专家和自然保护地专家。

《金属矿山》简介

《金属矿山》由中钢集团马鞍山矿山研究总院股份有限公司和中国金属学会主办，主编为中国工程院王运敏院士，现为北大中文核心期刊、中国科技论文统计源期刊（中国科技核心期刊）、中国精品科技期刊（F5000顶尖学术论文来源期刊）、中国百强报刊、RCCSE中国核心学术期刊（A）、中国期刊方阵双百期刊、国家百种重点期刊、华东地区优秀期刊，被美国化学文摘（CA）、美国剑桥科学文摘（CSA）、波兰哥白尼索引（IC）、日本科学技术振兴机构数据库（JST）等世界著名数据库收录。主要刊登金属矿山采矿、矿物加工、机电与自动化、安全环保、矿山测量、地质勘探等领域具有重大学术价值或工程推广价值的研究成果，优先报道受到国家重大科研项目资助的高水平研究成果。根据科技部中国科技信息研究所发布的《2024中国科技期刊引证报告（核心版）》，《金属矿山》核心总被引频次位列26种矿业工程技术学科核心期刊第1位；根据中国知网发布的《中国学术期刊影响因子年报》（2024版），《金属矿山》学科影响力位居73种矿业期刊第9位。

中钢矿院出版传媒中心

新媒体矩阵

新媒体发展部：0555-2309838 赵鹏

供稿：曾文旭

编排：戴颖熠

审核：王小兵

声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。