本發(fā)明涉及地質(zhì)災(zāi)害預(yù)測，特別是涉及一種礦區(qū)地表沉降預(yù)測方法，其基于小基線集合成孔徑雷達(dá)干涉測量(sbas-insar)和變分模態(tài)分解(vmd)-奇異譜分析(ssa)-長短期記憶網(wǎng)絡(luò)(lstm)模型進(jìn)行地表沉降預(yù)測。

背景技術(shù)：

1、地表沉降是由于自然或人為活動(dòng)引起的地表高度下降現(xiàn)象，常對(duì)基礎(chǔ)設(shè)施、建筑物和生態(tài)環(huán)境造成嚴(yán)重威脅。傳統(tǒng)的地表沉降監(jiān)測方法包括地面測量和gps監(jiān)測，但這些方法存在空間分辨率低、覆蓋范圍有限、易受天氣影響等不足。小基線集合成孔徑雷達(dá)干涉測量(sbas-insar)技術(shù)可以提供大范圍、高精度的地表沉降監(jiān)測數(shù)據(jù)。然而，sbas-insar技術(shù)主要提供歷史監(jiān)測數(shù)據(jù)，其預(yù)測能力有限。

2、近年來，機(jī)器學(xué)習(xí)技術(shù)，尤其是長短期記憶網(wǎng)絡(luò)(lstm)，在處理時(shí)序數(shù)據(jù)方面表現(xiàn)出顯著優(yōu)勢。然而，單一的lstm模型難以充分利用地表沉降數(shù)據(jù)的復(fù)雜特征。因此，有必要發(fā)明一種新的礦區(qū)地表沉降預(yù)測方法，以更好地提取數(shù)據(jù)中的有效信息，提高預(yù)測精度。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中地表沉降難以精確預(yù)測的問題，本發(fā)明提出了一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，能夠在高精度監(jiān)測地表沉降的基礎(chǔ)上，實(shí)現(xiàn)更加準(zhǔn)確和高效的沉降預(yù)測。

2、為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，包括以下步驟：

3、步驟1：利用合成孔徑雷達(dá)獲取地表數(shù)據(jù)，并基于多時(shí)相合成孔徑雷達(dá)干涉測量法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到研究區(qū)域的地表監(jiān)測數(shù)據(jù)；

4、步驟2：將預(yù)處理后的地表監(jiān)測數(shù)據(jù)進(jìn)行變分模態(tài)分解，將其分解為多個(gè)固有模態(tài)函數(shù)，篩選出主要的固有模態(tài)函數(shù)進(jìn)行后續(xù)分析；

5、步驟3：對(duì)選取的固有模態(tài)函數(shù)進(jìn)行奇異譜分析，提取出主要趨勢分量和周期分量；然后根據(jù)提取得到的主要趨勢分量和周期分量進(jìn)行重構(gòu)得到平滑的時(shí)間序列；

6、步驟4：構(gòu)建lstm模型，輸入為重構(gòu)得到的時(shí)間序列，輸出為未來時(shí)刻的地表沉降預(yù)測值；通過訓(xùn)練數(shù)據(jù)優(yōu)化lstm模型參數(shù)，訓(xùn)練得到最終的lstm預(yù)測模型；

7、步驟5：獲取研究區(qū)域的地表監(jiān)測數(shù)據(jù)，通過上述步驟2～3進(jìn)行處理后，使用訓(xùn)練好的lstm模型對(duì)未來地表沉降進(jìn)行預(yù)測。

8、所述步驟1中，預(yù)處理包括以下步驟：

9、對(duì)地表數(shù)據(jù)進(jìn)行基線估算；

10、基于基線估算結(jié)果對(duì)主影像和輔影像進(jìn)行差分，生成干涉圖；

11、基于干涉圖，對(duì)影像進(jìn)行相位解纏；

12、基于相位解纏結(jié)果，對(duì)影像進(jìn)行地理編碼。

13、所述步驟2中，對(duì)預(yù)處理后的地表沉降數(shù)據(jù)進(jìn)行變分模態(tài)分解時(shí)，還包括調(diào)整vmd參數(shù)以優(yōu)化固有模態(tài)函數(shù)分解結(jié)果的步驟。

14、所述步驟3的具體步驟為：

15、時(shí)間序列嵌入：將原始時(shí)間序列嵌入到高維空間中，形成一個(gè)軌跡矩陣；

16、奇異值分解：對(duì)軌跡矩陣進(jìn)行奇異值分解，得到特征向量和奇異值；

17、選擇分量：根據(jù)奇異值的大小選擇奇異值較大值對(duì)應(yīng)的特征分量；

18、重構(gòu)分量：將選定的特征向量和對(duì)應(yīng)的奇異值重構(gòu)回時(shí)間序列中，得到主要的趨勢分量和周期分量；

19、組合分量：將主要趨勢分量和周期分量組合在一起，形成一個(gè)平滑的時(shí)間序列。

20、所述步驟4中，構(gòu)建的lstm模型通過交叉驗(yàn)證方法進(jìn)行參數(shù)優(yōu)化。

21、本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果：

22、本發(fā)明提出了一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，結(jié)合高精度的sbas-insar數(shù)據(jù)、多層次的vmd和ssa信號(hào)處理技術(shù)，以及強(qiáng)大的lstm時(shí)序分析能力，能夠準(zhǔn)確提取和預(yù)測地表沉降趨勢。通過自動(dòng)化的數(shù)據(jù)處理和交叉驗(yàn)證的參數(shù)優(yōu)化，提高了預(yù)測精度和效率，為地質(zhì)災(zāi)害預(yù)警和防治提供了重要的技術(shù)支持。

技術(shù)特征：

1.一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，其特征在于，所述步驟1中，預(yù)處理包括以下步驟：

3.根據(jù)權(quán)利要求1所述的一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，其特征在于，所述步驟2中，對(duì)預(yù)處理后的地表沉降數(shù)據(jù)進(jìn)行變分模態(tài)分解時(shí)，還包括調(diào)整vmd參數(shù)以優(yōu)化固有模態(tài)函數(shù)分解結(jié)果的步驟。

4.根據(jù)權(quán)利要求1所述的一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，其特征在于，所述步驟3的具體步驟為：

5.根據(jù)權(quán)利要求1所述的一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，其特征在于，所述步驟4中，構(gòu)建的lstm模型通過交叉驗(yàn)證方法進(jìn)行參數(shù)優(yōu)化。

6.根據(jù)權(quán)利要求1所述的一種基于vmd-ssa-lstm的礦區(qū)地表沉降預(yù)測方法，其特征在于，所述步驟4中，訓(xùn)練數(shù)據(jù)為基于多時(shí)相合成孔徑雷達(dá)干涉測量法獲取的歷史數(shù)據(jù)。

技術(shù)總結(jié)
本發(fā)明屬于地址災(zāi)害預(yù)測技術(shù)領(lǐng)域，公開了涉及一種基于VMD?SSA?LSTM的礦區(qū)地表沉降預(yù)測方法，旨在提高地表沉降預(yù)測的精度和可靠性。包括以下步驟：獲取礦區(qū)多時(shí)相地表沉降數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；采用變分模態(tài)分解對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行分解，提取不同頻率成分的固有模態(tài)函數(shù)；對(duì)主要的IMF進(jìn)行奇異譜分析；構(gòu)建并訓(xùn)練長短期記憶網(wǎng)絡(luò)模型，輸入為SSA重構(gòu)后的時(shí)間序列，輸出為未來地表沉降預(yù)測值，使用交叉驗(yàn)證方法優(yōu)化模型參數(shù)；最后，通過訓(xùn)練完成的模型進(jìn)行地表沉降預(yù)測；本發(fā)明綜合利用多源數(shù)據(jù)和先進(jìn)的信號(hào)處理與機(jī)器學(xué)習(xí)技術(shù)，提供了一種高效、準(zhǔn)確的礦區(qū)地表沉降預(yù)測方法，可以應(yīng)用于礦區(qū)地質(zhì)災(zāi)害預(yù)警和防治中。

技術(shù)研發(fā)人員：郭永林,王潤超,肖輝瓚,李斌,王飛,楊帆,李澤亮,樊林林,崔萬鵬,支夢輝,高林,黃琦,劉佳寧,鄒陽,侯強(qiáng),田浩,李剛,竇文武,楊高峰
受保護(hù)的技術(shù)使用者：山西晉煤集團(tuán)技術(shù)研究院有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2