基于多源数据的煤矿采空区形变动态耦合监测方法及系统与流程

本发明属于煤矿采空区形变监测，尤其涉及基于多源数据的煤矿采空区形变动态耦合监测方法及系统。

背景技术：

1、在矿业开采过程中，采空区的沉降监测是确保开采过程安全的重要环节。若不对采空区的沉降进行监测，会引发采矿区灾害以及地表塌陷，为了保证开采过程的安全，故对采空区的沉降进行监测是十分必要的。

2、由于沉降监测数据的准确性和实时性对采空区的管理和安全保障至关重要；为了实时了解采空区的沉降情况，以便及时采取必要的措施，需定期对采空区的沉降进行监测，但目前对采空区的沉降进行监测时，监测数据的采集频率只能依靠预先设置的时间间隔进行采集，但单一的数据采集频率会影响到监测的准确性和实时性，当数据采集频率过高时，会导致数据冗余，增加数据处理成本；当采集频率过低时，可能会漏掉关键的沉降速度变化信息，从而影响监测的准确性，即如何根据矿山开采的实际情况动态设置采集频率，提高监测数据的准确性。

3、为解决上述问题，发明专利一种采空区沉降监测方法、装置、电子设备及存储介质(公开号cn117870618a，公告日20240412)公开获取沉降监测设备对采空区进行监测的第一沉降速度数据，沉降监测设备包括分层沉降监测设备、次声监测设备、压力传感器设备、雷达测量设备以及地表沉降监测设备中的任意一种沉降监测设备；获取采空区的第一采集频率；对第一沉降速度数据进行计算，得到沉降速度变化率；根据沉降速度变化率对第一采集频率进行调整，以便于沉降监测设备对采空区的沉降进行数据采集。

4、但现有专利在数据融合上，不能有效消除的大气延迟误差，对采空区的沉降精度仍有待提高。

5、在采空区形变监测上，发明专利一种煤矿采空区形变敏感性评价方法(公开号cn117111057a，公开日20231124)，公开s1、建立煤矿采空区形变敏感性评价指标库；s2、利用sbas-insar技术获取煤矿采空区地表形变速率；s3、在研究区内均匀选取样本点，以煤矿采空区形变敏感性评价指标最为输入变量，以相应地表形变速率作为标签，构建模型训练样本数据集，并对其按照7:3的比例进行随机分组，分别作为训练集和测试集。该煤矿采空区形变敏感性评价方法，通过联合地表形变探测技术、遥感技术和机器学习方法，可在一定程度上弥补常规基于调查统计资料的煤矿采空区形变敏感性评价方法的局限性。

6、但现有专利在采矿区的整体和高梯度的变形监测和预测上精度有待进一步提高。

7、针对形变耦合监测，发明专利一种煤岩多场耦合监测试验装置(公开号cn107727508a，公开日20180223)公开通过对试样持续稳定的施加围压、轴向压力、孔隙流压以及对试样进行加热，能够模拟开采过程中长期处在高地应力、高渗透压以及高地温耦合作用下的煤岩体的受力情况，并且该监测试验装置能够采集试样整个受载过程中产生的各向应变信号、声发射信号以及电信号，根据各个信号可以得到试样长期演化破坏过程中的轴向和径向应变、试样破坏过程中的声发射信号和电荷信号的时空演化规律，更有利于建立实际开采过程中受到多场耦合作用的煤岩体的力学行为演化与失稳灾变的作用机制，揭示煤岩体动力灾害本源机理，为煤岩体动力灾害防治提供更加可靠的试验基础，根据试验基础建立相应的煤岩体失稳灾变判定及防治技术。但现有技术对于矿区整体的大梯度变形监测精度上仍需要进一步提高。

8、通过上述分析，现有技术存在的问题及缺陷为：现有技术对煤矿采空区井上井下形变动态耦合监测精度低，对地表变形监测效果差。

技术实现思路

1、为克服相关技术中存在的问题，本发明公开实施例提供了基于多源数据的煤矿采空区形变动态耦合监测方法及系统，尤其涉及一种基于深度学习的三维采矿区建模软件的物性参数厚度确定方法及系统。

2、所述技术方案如下：基于多源数据的煤矿采空区形变动态耦合监测方法，包括：

3、s1，基于北斗gnss与d-insar融合技术的矿区沉降监测，在井上采矿区建立gnss连续观测站网点，构建区域水汽模型和大气层延迟误差改正模型，完成时间域与空间域的融合模型和算法融合处理；采用双插双估计didp算法实现对gnss与d-insar监测数据的加密，削弱大气延迟误差影响；

4、s2，针对获取的削弱大气延迟误差影响后的矿区沉降监测信息，对于采矿区沉降区域发生的大梯度形变产生的失相干，利用基于对数逻辑模型的sbas-insar与gnss耦合技术的采矿区变形监测方法进行计算采矿活动在任何时刻产生的变形信息；

5、s3，分别部署电法系统和微震监测系统进行井下电阻率与微震联合应力变化监测，实现井下采矿区大梯度异常体的圈定；结合井上采矿区沉降形变监测信息，联合井下电阻率与微震联合应力变化监测，进行协同监测，完成对采空区形变过程协同动态耦合监测。

6、在步骤s1中，构建区域水汽模型，包括：

7、以区域水汽饱和网格体每层的平均温度、气压、水汽压作为因变量，确定每层的水汽饱和分层因子，表达式为：

8、

9、式中，my(a)为区域水汽饱和网格体分层因子，a1为平均温度的权重因子，a2为平均气压的权重因子，a3为平均水汽压的权重因子，ta为温度平均值，ωa为气压平均值，sa为水汽压平均值，tm为第m层大气温度值，ωm为第m层大气气压值，sm为第m层大气水汽压值。

10、在步骤s1中，构建大气层延迟误差改正模型利用区域水汽饱和网格体每层传输通道间的相关性，通过矩形预测分别对大气层图像三个因变量每层传输通道进行延迟像素值预测，组成预测延迟误差组，在三维预测误差直方图中通过修改预测延迟误差组的映射关系，舍弃嵌入稀疏变异大的映射，重建新映射，实现区域水汽饱和网格体的嵌入和区域水汽饱和网格体的提取。

11、进一步，区域水汽饱和网格体的嵌入，包括：

12、步骤一，对原始大气层图像按照因变量每层传输通道进行分离，对原大气层图像按照温度、气压、水汽压因变量每层传输通道分离三张灰度图像，分别记为温度层传输通道、气压层传输通道和水汽压层传输通道；

13、步骤二，大气层图像预处理；

14、步骤三，计算每张灰度图的预测延迟误差组，对每张灰度图采用矩形预测方案获取模糊节点的预测值，跟原始延迟像素值相减，获得模糊节点的预测误差序列(et1，et2…etm)，(eω1，eω2…eωm)，(es1，es2…esm)，将三张灰度图像模糊节点的预测延迟误差组成预测延迟误差组em＝(etm，eωm，esm)；其中，e为延迟误差预测值；

15、步骤四，选择用于嵌入区域水汽饱和网格体的预测延迟误差组，计算每一个预测延迟误差组的局部复杂度kn，找到预测延迟误差组的临界值c，被替换的lsbs、压缩后的位图和区域水汽饱和网格体消息，修改满足kn≤c的预测延迟误差组的映射来嵌入区域水汽饱和网格体；

16、步骤五，模糊节点集区域水汽饱和网格体嵌入，在模糊节点的预测误差直方图中嵌入区域水汽饱和网格体信息，称为模糊节点集区域水汽饱和网格体嵌入；

17、步骤六，大气层清晰图像节点集区域水汽饱和网格体嵌入，在清晰点的预测误差直方图中嵌入区域水汽饱和网格体信息，实现大气层清晰图像节点集区域水汽饱和网格体嵌入，模糊节点集嵌入区域水汽饱和网格体信息之后，模糊延迟像素点yi，j被修改为y′i，j；用嵌入区域水汽饱和网格体之后的模糊节点的延迟像素预测清晰点的延迟像素值，得到三张灰度图像清晰点的预测误差直方图，嵌入区域水汽饱和网格体信息；

18、步骤七，将嵌入区域水汽饱和网格体之后的三张灰度图合并，得到嵌入区域水汽饱和网格体后大气层图像，得到基于大气层延迟误差改正模型的大气层图像。

19、在步骤二中，大气层图像预处理，包括：

20、第一步，对大气层图像三个因变量每层传输通道的延迟像素进行区域水汽饱和网格体预处理，调整延迟像素值等于边界值0或255的延迟像素点到合理范围内；

21、第二步，构造相对应的三个位图分别记录三个因变量每层传输通道中被修改的延迟像素位置，被修改过的位图中标记为0，没有被修改过的标为1，无损压缩三个位图；

22、第三步，清空大气层图像温度层传输通道的第一行延迟像素，使用lsb算法嵌入三个参数：预测延迟误差组的临界值c，压缩后的位图尺寸和区域水汽饱和网格体消息大小制造空间，被替换的lsbs和压缩后的位图作为负载的一部分；

23、在步骤五中，模糊节点集区域水汽饱和网格体嵌入，包括：

24、第1步，在嵌入稀疏变异小于等于2的映射中嵌入区域水汽饱和网格体，舍弃嵌入稀疏变异大于2的映射(1,1,1)→(0,0,0)，重建(0,0,0)的新映射；

25、第2步，对于符合要求的映射进行分类，分为5类，第2类为预测延迟误差组(0,0,0)的新建映射：

26、第1类：

27、第2类：

28、第3类：

29、第4类：

30、第5类：(n1，n2，n3){(n1-1，n2-1，n3-1)

31、式中，n1为横向映射的延迟误差变异值，n2为纵向映射的延迟误差变异值，n3为空间方向映射的延迟误差变异值；

32、第3步，将预测延迟误差组中的每个成员和它预测值相加，得到处理后的延迟像素值。

33、进一步，区域水汽饱和网格体的提取，包括：

34、步骤1，对嵌入区域水汽饱和网格体后的大气层图像，按照温度、气压、水汽压因变量每层传输通道分离三张灰度；

35、步骤2，读取大气层图像温度层传输通道第一行延迟像素的lsbs，取出三个参数的值；

36、步骤3，提取大气层清晰图像节点集区域水汽饱和网格体；

37、步骤4，提取模糊节点集区域水汽饱和网格体，根据恢复的大气层清晰图像节点集的延迟像素值，使用相同方法获取三个每层传输通道模糊节点的预测误差序列，提取出嵌入负载，恢复原延迟像素值；

38、步骤5，恢复原图。

39、在步骤3中，提取大气层清晰图像节点集区域水汽饱和网格体，包括：

40、第i步，使用相同的扫描顺序和预测方法获取三个每层传输通道清晰点的预测误差序列，组成预测延迟误差组；

41、第ii步，对每一个预测延迟误差组，计算局部复杂度kn；

42、第iii步，处理满足kn≤c的预测延迟误差组，通过嵌入时的映射方案的逆映射恢复出原来的延迟像素值，根据映射时不同的类型恢复出负载；

43、第iv步，提取出嵌入负载后，获取位图和被替换的lsbs，根据位图，处理标记为0的延迟像素，恢复原值。

44、在步骤s2中，基于对数逻辑模型的sbas-insar与gnss耦合技术的采矿区变形监测方法进行计算采矿活动在任何时刻产生的变形信息，包括：

45、采用采矿区大梯度形变重力异常鉴别方法，在一致的时间间隔内集成gnss和sbas-insar数据；根据采矿区的塌陷特征，得到矿区整体的大梯度变形模式；将对数逻辑log-logistic模型与单个insar对相结合，计算采矿活动在任何时刻产生的变形信息；

46、矿区大梯度形变重力异常鉴别方法采用采矿区大梯度形变距离赋阈值环形均匀布设运动轨迹路线插值分割方法，均匀选取环形均匀布设运动轨迹路线上的计算点；计算点的值基于其周边的点值采矿区大梯度形变距离赋阈值计算得出。

47、进一步，采矿区大梯度形变距离赋阈值环形均匀布设运动轨迹路线插值分割方法，包括：

48、设定重力异常场h(h，o)由区域场s(h，o)和局部场f(h，o)构成；b(h，o)代表与中心点相距为d的某点的重力场平均值，表达式为：

49、

50、式中，m为重力场总节点数量，i为第i个重力场总节点hi(d)为以(h，o)点为圆心，直径为d的环形均匀布设运动轨迹路线上点；

51、引入阈值系数f，利用重力异常h(h，o)与重力场平均值b(h，o)的差值来定义切割直径d下的局部异常场，表达式为：

52、f(h，o)＝f[h(h，o)-b(h，o)]

53、式中，f(h，o)为切割直径d下的局部异常场；

54、通过对梯度层位置场网格数据采取采矿区大梯度形变距离赋阈值法插值计算获得，选取i点处距离小于单个网格点距的j个点参与计算，表达式为：

55、

56、

57、式中，h(d)为直径为d的环形均匀布设运动轨迹路线，j为第j个网格点，vj为第j个网格点距离，dj为第j个网格点的直径，m为重力场总节点数量；

58、此时，区域场s(h，o)和局部场异常场f(h，o)分别为切割直径d所对应的区域场和局部场，阈值系数f由圆心处、环形均匀布设运动轨迹路线上的梯度层位置场值共同确定，由下式计算所得：

59、

60、

61、式中，ui(d)为直径为d的和hi(d)的差值比值，hi(d)为以(h，o)点为圆心，直径为d的环形均匀布设运动轨迹路线上点的重力场值，为hi(d)在切割直径为d的环形均匀布设运动轨迹路线上的对称点；

62、ui(d)与和hi(d)的差值相关，具有对称性，因此阈值系数f的计算简化为：

63、

64、则区域场s(h，o)为重力异常场h(h，o)与重力场平均值b(h，o)的赋阈值平均，表达式为：

65、s(h，o)＝(1-f)h(h，o)+fb(h，o)。

66、本发明的另一目的在于提供一种基于多源数据的煤矿采空区形变动态耦合监测系统，该系统实施基于多源数据的煤矿采空区形变动态耦合监测系统，该系统包括：

67、基于北斗gnss与d-insar融合技术的矿区沉降监测模块，用于在井上采矿区建立gnss连续观测站网点，构建区域水汽模型和大气层延迟误差改正模型，完成时间域与空间域的融合模型和算法融合处理；采用双插双估计didp算法实现对gnss与d-insar监测数据的加密，削弱大气延迟误差影响；

68、采矿活动在任何时刻产生的变形信息计算模块，用于针对获取的削弱大气延迟误差影响后的矿区沉降监测信息，对于采矿区沉降区域发生的大梯度形变产生的失相干，利用基于对数逻辑模型的sbas-insar与gnss耦合技术的采矿区变形监测方法进行计算采矿活动在任何时刻产生的变形信息；

69、协同动态耦合监测模块，用于分别部署电法系统和微震监测系统进行井下电阻率与微震联合应力变化监测，实现井下采矿区大梯度异常体的圈定；结合井上采矿区沉降形变监测信息，联合井下电阻率与微震联合应力变化监测，进行协同监测，完成对采空区形变过程协同动态耦合监测。

70、结合上述的所有技术方案，本发明所具备的有益效果为：针对某煤矿5-20303工作面的采空区，宽350m长1000m范围内拟采用井下电阻率和微震联合监测，结合井上地表gnss，雷达卫星insar技术，对采空区上三带(弯曲下沉带、裂隙带以及冒落带)形变过程协同动态耦合监测。发挥多手段的时空互补性和过程协同性，实现煤矿采空区井上井下形变动态耦合监测。

71、本发明根据需要，对某煤矿采空区，利用alos-2，radarsat-2，sentinel-1sar数据进行连续4个月的insar采空区地表形变反演处理。此外，在现场合适位置布署北斗gnss，消除的大气延迟误差的影响，实现井上2种手段采空区形变高精度联合监测。为补充地表变形监测方法的不足，分别部署电法系统和微震监测系统进行井下电阻率与微震联合应力变化监测，实现井下采矿区大梯度异常体的圈定。结合井上井下4种方法协同监测，完成对某采空区上三带(弯曲下沉带、裂隙带以及冒落带)形变过程协同动态耦合监测。

技术特征：

1.一种基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，在步骤s1中，构建区域水汽模型，包括：

3.根据权利要求1所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，在步骤s1中，构建大气层延迟误差改正模型利用区域水汽饱和网格体每层传输通道间的相关性，通过矩形预测分别对大气层图像三个因变量每层传输通道进行延迟像素值预测，组成预测延迟误差组，在三维预测误差直方图中通过修改预测延迟误差组的映射关系，舍弃嵌入稀疏变异大的映射，重建新映射，实现区域水汽饱和网格体的嵌入和区域水汽饱和网格体的提取。

4.根据权利要求3所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，区域水汽饱和网格体的嵌入，包括：

5.根据权利要求4所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，在步骤二中，大气层图像预处理，包括：

6.根据权利要求3所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，区域水汽饱和网格体的提取，包括：

7.根据权利要求6所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，在步骤3中，提取大气层清晰图像节点集区域水汽饱和网格体，包括：

8.根据权利要求1所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，在步骤s2中，基于对数逻辑模型的sbas-insar与gnss耦合技术的采矿区变形监测方法进行计算采矿活动在任何时刻产生的变形信息，包括：

9.根据权利要求8所述的基于多源数据的煤矿采空区形变动态耦合监测方法，其特征在于，采矿区大梯度形变距离赋阈值环形均匀布设运动轨迹路线插值分割方法，包括：

10.一种基于多源数据的煤矿采空区形变动态耦合监测系统，其特征在于，该系统实施权利要求1-9任意一项基于多源数据的煤矿采空区形变动态耦合监测系统，该系统包括：

技术总结
本发明属于煤矿采空区形变监测技术领域，公开了基于多源数据的煤矿采空区形变动态耦合监测方法及系统。该方法基于北斗GNSS与D‑InSAR融合技术的矿区沉降监测，对于采矿区沉降区域发生的大梯度形变产生的失相干，利用基于对数逻辑模型的SBAS‑InSAR与GNSS耦合技术的采矿区变形监测方法进行计算采矿活动在任何时刻产生的变形信息；分别部署电法系统和微震监测系统进行井下电阻率与微震联合应力变化监测，实现井下采矿区大梯度异常体的圈定；联合井下电阻率与微震联合应力变化监测，进行协同监测，完成对某采空区形变过程协同动态耦合监测。本发明完成了对某采空区上三带形变过程协同动态耦合监测。

技术研发人员：刘超,李利峰,王博,高瑞峰,李鹏程,殷世锋,刘星宇,闫姿呈,霍雨佳,呼书迪
受保护的技术使用者：国能榆林能源有限责任公司
技术研发日：
技术公布日：2024/12/5