基于DInSAR与概率积分法的铁路变形监测与预测

doi:10.13474/j.cnki.11-2246.2017.0023

测绘通报 ›› 2017, Vol. 0 ›› Issue (1): 106-111.doi: 10.13474/j.cnki.11-2246.2017.0023

基于DInSAR与概率积分法的铁路变形监测与预测

郑美楠¹, 刘沂轩^2,3, 邓喀中¹, 赵晨亮⁴, 冯军⁵

1. 中国矿业大学环境与测绘学院, 江苏徐州 221116;
2. 江苏省水文水资源勘测局徐州分局, 江苏徐州 221006;
3. 中国矿业大学资源与地球科学学院, 江苏徐州 221116;
4. 铁道第三勘察设计院集团有限公司航遥测绘分院, 天津 300000;
5. 山西省煤炭地质115勘查院, 山西大同 037000

收稿日期:2016-06-14 修回日期:2016-11-01 出版日期:2017-01-25 发布日期:2017-02-06
作者简介:郑美楠(1991-),男,硕士生,主要研究方向为DInSAR、时序InSAR与变形监测。E-mail:1099199233@qq.com

Monitoring and Prediction of Railway Deformation based on DInSAR and Probability Integral Method

ZHENG Meinan¹, LIU Yixuan^2,3, DENG Kazhong¹, ZHAO Chenliang⁴, FENG Jun⁵

1. School of Environmental Science and Spatial Informatics, China University of Mining & Technology, Xuzhou 221116, China;
2. Jiangsu Province Hydrology and Water Resources Investigation Bureau, Xuzhou 221006, China;
3. School of Resources and Geosciences, China University of Mining & Technology, Xuzhou 221116, China;
4. Dept. of Remote Sensing and Surveying and Mapping of the Third Surveying and Design Institute Ltd. Co., Tianjin 300000, China;
5. Shanxi Coal Geological Prospecting Institute 115, Datong 037000, China

Received:2016-06-14 Revised:2016-11-01 Online:2017-01-25 Published:2017-02-06

摘要/Abstract

摘要： 为掌握采空区上方铁路实时动态变形及变形趋势，本文提出了合成孔径雷达差分干涉技术（DInSAR）与概率积分法相结合的方法。首先利用DInSAR技术对采空区进行了监测，并利用水准数据对DInSAR结果进行了验证；然后基于DInSAR结果结合概率积分法反算参数，并对参数进行了修正，得到工作面充分采动时的下沉参数；最后利用修正的参数对铁路的变形进行了预测。结果表明两者的结合可以有效地对铁路等线性构筑物进行监测与预测。

关键词: DInSAR, 变形监测, 概率积分法, 采空区

Abstract: In order to obtain real-time dynamic deformation and deformation trend of railway above goaf,a method based on the combination of the Differential SAR Interferometry (DInSAR) technique and probability integral method was presented in this paper. Firstly,the DInSAR technology was used to monitor the goaf,and the monitor results were compared with leveling data.Then,the probability integral method parameters were calculated using DInSAR monitoring results, and modified the prediction parameters into sufficiency mining condition.Finally, the deformation of the railway was predicted using the modified parameters. The results verified the combination of both can effectively monitor and predict railways and other linear structures.

Key words: DInSAR, deformation monitor, probability integral method, goaf

中图分类号:

P237

郑美楠, 刘沂轩, 邓喀中, 赵晨亮, 冯军. 基于DInSAR与概率积分法的铁路变形监测与预测[J]. 测绘通报, 2017, 0(1): 106-111.

ZHENG Meinan, LIU Yixuan, DENG Kazhong, ZHAO Chenliang, FENG Jun. Monitoring and Prediction of Railway Deformation based on DInSAR and Probability Integral Method[J]. 测绘通报, 2017, 0(1): 106-111.

参考文献

[1] 陈则连. 煤矿采空区地基变形及对铁路工程影响评价研究[D]. 成都:西南交通大学, 2005.
[2] 范洪冬,邓喀中,祝传广,等.基于时序SAR技术的采空区上方高速公路变形监测及预测方法[J].煤炭学报,2012, 37(11):1841-1846.
[3] 花梅.高速铁路路基常用沉降变形监测方法浅析[J]. 铁道标准设计, 2014(S1):122-125.
[4] 范洪冬.InSAR若干关键算法及其在地表沉降监测中的应用研究[D].徐州:中国矿业大学, 2010.
[5] 师红云.基于时序雷达干涉测量的高速铁路区域沉降变形监测研究[D].北京:北京交通大学,2013.
[6] 王志勇, 张继贤, 黄国满. 基于InSAR的济宁矿区沉降精细化监测与分析[J]. 中国矿业大学学报, 2014, 43(1):169-174.
[7] 查显杰, 傅容珊, 戴志阳. DInSAR技术对不同方位形变的敏感性研究[J]. 测绘学报, 2006, 35(2):133-137.
[8] FAN H D, WEI G, QIN Y, et al. A Model for Extracting Large Deformation Mining Subsidence Using D-InSAR Technique and Probability Integral Method[J]. Transactions of Nonferrous Metals Society of China, 2014, 24(4):1242-1247.
[9] 廖明生,王腾. 时间序列InSAR技术与应用[M]. 北京:科学出版社, 2014.
[10] 赵伟颖. 面向矿区沉降监测的InSAR技术应用研究[D]. 徐州:中国矿业大学, 2015.
[11] 陈炳乾, 姜敏, 任耀,等. D-InSAR技术用于采空区上方桥梁沉陷监测的研究[J]. 煤炭工程,2012(10):107-110.
[12] 杨俊凯, 陈炳乾, 邓喀中,等. 基于D-InSAR与概率积分法的开采沉陷监测与预计[J]. 金属矿山, 2015(4):195-201.
[13] 廖明生,林晖.雷达干涉测量——原理与信号处理基础[M]. 北京:测绘出版社,2003.
[14] 邓喀中,谭志祥,姜岩,等. 变形监测及沉陷工程学[M]. 徐州:中国矿业大学出版社, 2014.
[15] 王正帅. 老采空区残余沉降非线性预测理论及应用研究[D]. 徐州:中国矿业大学, 2011.

基于DInSAR与概率积分法的铁路变形监测与预测

Monitoring and Prediction of Railway Deformation based on DInSAR and Probability Integral Method

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张驰, 白志辉, 李亮, 陈冉丽, 吴侃. 利用三维激光扫描技术监测矿区桥梁结构形变[J]. 测绘通报, 2022, 0(4): 122-129.
[2]	潘东峰, 杨超, 吴一同, 谭钿, 张德林. 利用TLS技术进行地铁隧道断面提取及变形监测分析[J]. 测绘通报, 2022, 0(4): 130-133.
[3]	熊春宝, 庞红星, 王猛, 史青法. 基于ICEEMDAN的多滤波算法在超高层动态变形监测中的应用[J]. 测绘通报, 2022, 0(3): 152-156.
[4]	李培现, 杨中辉, 阎跃观, 袁德宝, 赵艳玲, 范德芹. 基于Moodle的变形监测技术网络课程开发及应用[J]. 测绘通报, 2022, 0(2): 168-173.
[5]	闵星, 罗海涛, 柏文锋. 基于徕卡MS60与深度图像的变形监测研究[J]. 测绘通报, 2021, 0(9): 165-168.
[6]	郭献涛, 黄腾, 贾燕, 张荣春. 利用TLS技术与伪单点监测模式进行滑坡变形测量[J]. 测绘通报, 2021, 0(6): 106-111.
[7]	段伟, 王敏, 吴昊, 刘超. 基于LWR-Pettitt算法的GNSS变形信息的识别与预警[J]. 测绘通报, 2021, 0(5): 124-128,154.
[8]	曹发伟, 廖维谷. SBAS技术在矿区地面沉降监测中的应用[J]. 测绘通报, 2021, 0(3): 156-158,163.
[9]	倪飞, 王浩丞, 杨艺卓, 杨小波. 三维激光扫描技术在高速公路运行非接触式变形监测中的应用[J]. 测绘通报, 2021, 0(3): 164-166.
[10]	杨春宇, 任兴达, 江汇男, 袁岳, 王子林. 基于小波去噪的地铁变形组合预测模型分析[J]. 测绘通报, 2021, 0(10): 127-131.
[11]	王莉, 周佳薇, 王泓森, 蒋大鹏. 基于三维激光扫描技术的古塔变形监测[J]. 测绘通报, 2020, 0(7): 120-124,129.
[12]	陈建华. 融合主成分分析和局部邻域的平面点云去噪[J]. 测绘通报, 2020, 0(5): 47-50,68.
[13]	马自军, 谯生有, 闻道荣. 三维激光扫描仪在隧道工程施工中的应用[J]. 测绘通报, 2020, 0(3): 157-159.
[14]	马金玉, 龙四春, 童爱霞, 吴文豪, 祝传广. 复杂环境下地基SAR粗差探测及应用[J]. 测绘通报, 2020, 0(2): 43-48,54.
[15]	桑文刚, 黄黎明, 赵培华, 刘迎春, 卢凯. 伪卫星多路径效应分形特征及其削弱方法研究[J]. 测绘通报, 2020, 0(10): 58-62.