基于InSAR技术和GS-SVR算法的矿区地表开采沉陷预计

• 作 者: 马飞 隋立春 姚顽强 汤伏全
• 机 构: 长安大学地质工程与测绘学院,西安科技大学测绘科学与技术学院,地理国情监测国家测绘地理信息局工程技术研究中心
• 出 处: 测绘工程
• 发表日期: 2018年07期
• 关键词: 矿区开采沉陷 沉陷预计 支持向量机回归 网格搜索 mining subsidence subsidence prediction support vector
• 基金项目: 国家自然科学基金资助项目（41372330,51674195）

我国西部黄土高原地区土质疏松,沟壑纵横,开采损害特征明显,准确预计开采引起的地表移动和变形趋势有助于为矿区灾害提供预警信息。文中以陕西彬长矿区某工作面为例,利用2007年7月—2008年1月的5幅SAR影像对矿区地面进行监测,将合成孔径雷达干涉测量(InSAR)技术得到的监测成果作为训练样本,与网格搜索算法(GS)优化支持向量机回归(SVR)参数算法结合,对矿区的形变点进行沉降预计。结果表明:InSAR技术获取矿区的沉降量可以满足矿区地表沉陷监测预计,结合GS-SVR预计模型可以实现矿区形变点的沉陷