通过使用改进的综合散射干扰计与深度学习算法优化进行开采活动引起的土地沉降的多时分析.
Muhammad Fulki Fadhillah1, Wahyu Luqmanul Hakim1, Seul-Ki Lee1
1Department of Science Education, Kangwon National University, 1 Gangwondaehak-Gil, Chuncheon-Si, Gangwon-Do, 24341, Republic of Korea.
Scientific reports
|March 16, 2024
概括
采矿运营安全通过使用交叉计合成孔径雷达 (InSAR) 时间序列分析来提高. 机器学习提高了在Musan矿区检测重大沉降的可靠性.
科学领域:
- 地质科学 地质科学
- 遥感 遥感 遥感 遥感
- 采矿工程 采矿工程 采矿工程
背景情况:
- 矿山运营安全对于不间断的采矿活动至关重要.
- 土地表面变形对采矿基础设施和人员构成风险.
- 精确监测表面变化对于风险评估和缓解至关重要.
研究的目的:
- 分析使用InSAR时间序列在Musan矿山的土地表面变化和变形.
- 通过ICOPS方法提高空间覆盖和变形分析的质量.
- 通过整合机器学习来提高InSAR结果的可靠性.
主要方法:
- 在InSAR分析中使用了改进的结合散射器与优化点散射器 (ICOPS) 方法.
- 组合持久散射器 (PS) 和分布式散射器 (DS),以改善变形分析.
- 应用机器学习,特别是卷积神经网络,用于后处理和可靠性增强.
主要成果:
- 检测到大量的土地沉降,平均速度超过15.00厘米/年.
- 在东倾销区测量了170厘米的总表面变形,在西倾销区测量了70厘米的总表面变形.
- 土地表面变化与摩桑矿区的地质条件相关.
结论:
- 通过机器学习增强的ICOPS方法有效监测矿井表面变形.
- 显著的沉降率凸显了矿山运营安全的潜在风险.
- 结合机器学习和统计方法,为了解矿山表面变形提供了一种强大的方法.
更多相关视频
07:14Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar
Published on: May 1, 2018
7.8K
07:58Data Processing Methods for 3D Seismic Imaging of Subsurface Volcanoes: Applications to the Tarim Flood Basalt
Published on: August 7, 2017
9.3K
