CN119417974A 地表塌陷预测方法以及地表塌陷预测系统 (南华大学)_第1页
CN119417974A 地表塌陷预测方法以及地表塌陷预测系统 (南华大学)_第2页
CN119417974A 地表塌陷预测方法以及地表塌陷预测系统 (南华大学)_第3页
CN119417974A 地表塌陷预测方法以及地表塌陷预测系统 (南华大学)_第4页
CN119417974A 地表塌陷预测方法以及地表塌陷预测系统 (南华大学)_第5页
已阅读5页,还剩35页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明公开一种地表塌陷预测方法以及地负载有相机的无人机和GNSS静态基准站对监测型至少预测所述监测区的地表塌陷最大沉降高问题,也解决了因塌陷造成像控点布设难的问法开采方式下高精度预测最大地表沉降高度和2步骤S1、采用负载有相机的无人机和GNSS静态基准站对步骤S5、通过所述预测模型,至少预测所述监测区的步骤S11、采用负载有相机的无人机在监测区上空进行航测得到无所述监测区外的一定范围内安装所述GNSS静态基准站对所述监测区进行同步监测得到地准站对所述监测区进行同步监测得到的数据至少包括2个历元的监测数据或4个卫星的监步骤S123、根据所述地面点坐标数据和所述虚拟3步骤S53、将所述放出高度数据和所述塌陷高度数据输入所述预测模型的塌陷面积输至少预测所述监测区的地表塌陷最大沉降高度4山地表进行时空连续监测进而预测地表塌陷[0007]步骤S1、采用负载有相机的无人机和GNSS静态基准站对所述监测区进行同步监5[0012]步骤S11、采用负载有相机的无人机在监测区上空进行航测并在所述监测区外的一定范围内安装所述GNSS静态基准站对所述监测区进行同步监测得数据至少包括2个历元的监测数据或4个卫[0031]步骤S52、将所述放出高度数据输入所述预测模型的最大沉降高度输出层进行拟[0032]步骤S53、将所述放出高度数据和所述塌陷高度数据输入所述预测模型的塌陷面6模型至少预测所述监测区的地表塌陷最大沉降高度和[0048]图10为本发明一具体实施例中从倾斜摄影模型中获取的四个时间段的放出柱体[0049]图11为本发明一具体实施例中根据概率积分法预测得到的监测区在一时间段的[0050]图12为本发明一具体实施例中根据概率积分法预测得到的监测区在另一时间段[0051]图13为本发明一具体实施例中根据概率积分法预测得到的监测区在又一时间段7[0052]图14为本发明一具体实施例中将检查点沉降预测值、PIM模拟沉降值和真实值进[0053]图15为本发明一具体实施例中周期最大沉降高度和周期塌陷面积的预测值与PIM[0054]图16为本发明一具体实施例中预测模型预测一定时间段内每周期的最大沉降高[0055]图17为本发明一具体实施例中预测模型预测一定时间段内每周期的塌陷面积数312山地表进行时空连续监测进而预测地表塌陷8无人机进行航测时,利用所述GNSS静态基准站中的至少一台地面基准接收机进行同步观准站,相当于一台流动接收机对卫星进行载波相位实时观测。如此,测量误差可控制在_[0073]步骤S11、采用负载有相机的无人机在监测区上空进行航测并在所述监测区外的一定范围内安装所述GNSS静态基准站对所述监测区进行同步监测得9o;为无人机对于卫星i的载波相位观测值;[0093]N;为无人机对卫星i载波相位观测值步监测得到的数据包括至少2个历元的监测数据或至35个月完整地表塌陷信息以及该期间相关放矿数据,以月为周期建立所述倾斜摄影模型,[0125]式(6)中,为第i个检查点在基于所述倾斜摄影模型中或无人机航测影像中塌陷的12个检查点(K1_K12),检查点误差从图9可知,DX、DY、DZ误差控制在_6.25cm_[0139]单个图单元结构可提取单个时刻点的特征信息,利用RNN网络结构建立时刻间的程更新图单元结构各特征的整体权重,得到的输出向量连接点对点前馈网络进行一步处理,并再一次将该输出连接一个残差网络进行归一化,该过程类似于transformer中的[0141]在该步骤中,将所述采集层和所述最大沉降高度输出层输出的数据采用SE压缩并保持特征通道数量不变,全局池化,将每个通道特征转换为实数值;其次是Excitation激活,它通过将两个全连接层网络全局特征映射成一个权重向量,并利用[0143]经过LSTM网络后,数据通过传递与PIM输出值进行叠加,经卷积提取更多特征信[0147]步骤S52、将所述放出高度数据输入所述预测模型的最大沉降高度输出层进行拟[0149]步骤S53、将所述放出高度数据和所述塌陷高度数据输入所述预测模型的塌陷面e中心区域顶点下沉量相对图11_a、图11_b和图11_c暴增,图11_f中心区域顶点下沉量减度从中心区域至四周逐步增大;图12表示2019年1月_2020年1月每月的沉陷云图,其中图可知,从2019年6月开始,最大顶点下沉量从中心区域偏南部逐渐向北部偏移;图13表示[0153]从图11_图13中可看出每个周期的最大沉降高度值和该周期的沉陷位置分布。但陷变化的影响,因此将结果导入RNN网络处理,具体为将数据分为三份测试数据,分别是数(R2每周期塌陷面积。基于该模型关于周期最大沉降高度和周期塌陷面积的预测与PIM预测值地表沉降高度的预测精度可达91.42所述沉无人机1用于负载相机对监测区进行航测;所述GNSS静态基准站2用于与所述无人机1对所通过所述无人机1和所述GNSS静态基准站2同步监测得到的地表三维数据建立倾斜摄影模

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论