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...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1489 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。展开更多
根据西藏自治区的实际情况,选择地形地貌、地层岩性、灾害分布、降雨条件四个评价因素,建立评价因子指标体系,采用D e lph i法确定出各指标的权重,应用综合分析的因子叠加法对整个研究区的地质灾害危险度进行了区划。区划结果包括高、...根据西藏自治区的实际情况,选择地形地貌、地层岩性、灾害分布、降雨条件四个评价因素,建立评价因子指标体系,采用D e lph i法确定出各指标的权重,应用综合分析的因子叠加法对整个研究区的地质灾害危险度进行了区划。区划结果包括高、中、低三个等级,高危险度区约22万km2,中危险度区约29万km2,低危险度区约70万km2。并对三种危险度区域内的地质灾害特点进行了概述。展开更多
文摘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1489 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。
文摘根据西藏自治区的实际情况,选择地形地貌、地层岩性、灾害分布、降雨条件四个评价因素,建立评价因子指标体系,采用D e lph i法确定出各指标的权重,应用综合分析的因子叠加法对整个研究区的地质灾害危险度进行了区划。区划结果包括高、中、低三个等级,高危险度区约22万km2,中危险度区约29万km2,低危险度区约70万km2。并对三种危险度区域内的地质灾害特点进行了概述。
