一种长时序矿区地表沉降预测方法、系统、介质及设备与流程

本公开涉及insar与地质灾害防治领域，具体涉及一种长时序矿区地表沉降预测方法、系统、介质及设备。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、煤炭是世界上主要的基础能源和重要的原材料，对一个经济体的发展具有重大的战略意义。但是长期的煤炭开采也给煤炭资源地带来了严重的生态环境负效应，例如煤炭开采诱发的地表塌陷、山体滑坡、水土流失等地质灾害，造成道路、桥梁、农田以及房屋等建构筑物的破坏，严重威胁当地居民的安全生产和生活环境。因此，开展长时序的矿区地表沉降预测对地质灾害防治、矿区塌陷地修复和周边居民生命财产安全保障等工作具有重要意义。

3、insar是利用两幅或以上覆盖同区域的雷达影像相位信息来快速提取大范围地面卫星视线向的高程信息和沉降信息，具有低成本、高时空分辨率以及无需依赖控制点等优势，这是传统大地测量技术，如水准测量、三维激光扫描以及全球定位系统等无法比拟的。

4、在现有研究中，insar常作为地表沉降监测的数据获取手段，缺乏一体化的监测-预测模型。事实上，在矿山地质灾害防治中，监测与预测是密不可分的。只有将矿山沉陷监测与预测一体化，才能对地表进行监测及时了解变形情况及未来变形特征，为矿山管理决策提供合理依据。随着人工智能的快速发展，深度学习方法在计算机视觉等领域得到了广泛的应用。深度学习网络是包含多个隐含层的多层感知器。通过样本学习获得深层非线性网络结构，实现复杂函数的逼近。对于复杂数据，深度学习可以通过组合低层特征和抽象高层特征，从而提取数据的本质特征，为矿区地表变形预测提供了新的解决思路。

5、目前广泛用于时序预测的深度学习方法大多基于循环结构网络，如rnn（recurrent neural network, rnn,循环神经网络）和lstm（short-term memory,lstm,长短期记忆网络）。该类模型虽然相比其他确定性和传统统计学模型能够更好地解决序列预测问题，但由于其对时序信息进行顺序提取并不断向后传递，致使模型难以训练或无法训练，同时，在顺序计算的过程中，一旦发生信息会丢失，虽然门控循环单元在一定程度上有能力减轻长期依赖的情况，但它难以彻底处理长期的依赖现象。

技术实现思路

1、本公开为了解决上述问题，提出了一种长时序矿区地表沉降预测方法、系统、介质及设备，基于改进的informer和insar对矿区沉降变化趋势进行长时序预测，获取研究区沉降点超过12个时间戳的时序预测值，实现对矿区沉降信息的长时序预测。

2、根据一些实施例，本公开采用如下技术方案：

3、一种长时序矿区地表沉降预测方法，包括：

4、获取矿区初始地表沉降速率，对初始地表沉降速率进行预处理，包括去噪、时间序列差值，以填补缺失值和提高数据的质量，从而获取等时间间隔、时序变化特征显著的长时序insar沉降数据；

5、利用所述insar沉降数据计算矿区地表累计沉降量；根据所述累计沉降量利用阈值划分对矿区进行分区，分区依据包括沉降量的大小和沉降速率的变化；然后在每个矿区分区内，提取点目标的空间邻域信息；

6、将空间邻域信息输入改进的informer模型学习不同分区内沉降点的长时序非线性特征，输出各个沉降点的时序沉降预测值，实现对矿区沉降信息的长时序预测。

7、根据一些实施例，本公开采用如下技术方案：

8、一种长时序矿区地表沉降预测系统，包括：

9、数据获取模块，获取矿区初始地表沉降速率，包括去噪、时间序列差值，以填补缺失值和提高数据的质量，从而获取等时间间隔、时序变化特征显著的长时序insar沉降数据；

10、利用所述insar沉降数据计算矿区地表累计沉降量；根据所述累计沉降量利用阈值划分对矿区进行分区，分区依据包括沉降量的大小和沉降速率的变化；然后在每个矿区分区内，提取点目标的空间邻域信息；

11、预测模块，用于将空间邻域信息输入改进的informer模型学习不同分区内沉降点的长时序非线性特征，输出沉降点的时序沉降预测值，实现对矿区沉降信息的长时序预测。

12、根据一些实施例，本公开采用如下技术方案：

13、一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的一种长时序矿区地表沉降预测方法。

14、根据一些实施例，本公开采用如下技术方案：

15、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的一种长时序矿区地表沉降预测方法。

16、与现有技术相比，本公开的有益效果为：

17、本公开提出了一种长时序矿区地表沉降预测方法，具体为基于改进的informer和insar的长时序矿区地表沉降预测方法，通过研究区内已有的insar矿区地表沉降数据提取超过12个时间戳的沉降预测值，并利用改进的informer模型提出的itranformer block和注意力蒸馏机制降低原始 transformer在长序列输入下的时间复杂度和内存占用率问题。最终，能够实现矿区沉降的长时序预测，为矿区沉降灾害提供辅助决策和技术支持。

技术特征：

1.一种长时序矿区地表沉降预测方法，其特征在于，包括：

2.如权利要求1所述的一种长时序矿区地表沉降预测方法，其特征在于，所述获取等时间间隔的长时序insar沉降数据的过程包括：

3.如权利要求1所述的一种长时序矿区地表沉降预测方法，其特征在于，包括利用空间邻域信息构建训练数据集和测试数据集，具体的为：根据等时间间隔的时间序列数据，计算累计沉降量数据，并对累计沉降数据采用标准差归一化方法进行归一化处理，结合归一化后的结果研究区域进行空间分区，得到沉降特征相似、空间位置邻近的子区域；提取时间序列数据中包含的点目标的空间邻域信息，并按照分区结果保存到训练数据集中，假设有时间序列长度为m+p的n个样本点，将样本点前m个时间序列上的数据作为训练集，记为，其中表示分区；剩余的p个时间序列上的数据作为测试集。

4.如权利要求1所述的一种长时序矿区地表沉降预测方法，其特征在于，所述改进的informer模型的整体结构包括编码器和解码器。

5.如权利要求4所述的一种长时序矿区地表沉降预测方法，其特征在于，所述编码器和解码器包括位置信息嵌入层、itranformer block和卷积蒸馏层。

6.如权利要求5所述的一种长时序矿区地表沉降预测方法，其特征在于，使用位置嵌入层对输入序列进行时间编码，对输入的训练集和测试集进行编码；将数据输入编码器和解码器，编码器的输入为已知沉降信息的时间段内开采沉陷区中各个点目标的空间邻域信息组成的长序列，经过itranformer block得到多通道特征图，而解码器的输入由时间序列末段的短序列和与预测步长相等的0值组合而成，后采用多头itranformer block和卷积蒸馏层组成的神经网络模块进行深度特征提取，最终经全连接层调整数据维度，得到矿区地表沉降预测结果。

7.如权利要求6所述的一种长时序矿区地表沉降预测方法，其特征在于，其中，解码器输入的0值用作开采沉陷预测值的占位符。

8.一种长时序矿区地表沉降预测系统，其特征在于，包括：

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的一种长时序矿区地表沉降预测方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的一种长时序矿区地表沉降预测方法。

技术总结本公开提供了一种长时序矿区地表沉降预测方法、系统、介质及设备，涉及InSAR与地质灾害防治领域技术领域，获取矿区初始地表沉降速率，对初始地表沉降速率进行预处理后，获取等时间间隔的长时序InSAR沉降数据；利用所述InSAR沉降数据计算矿区地表累计沉降量；根据所述累计沉降量利用阈值划分对矿区进行分区，并根据矿区分区结果，获取不同矿区分区内点目标的空间邻域信息；将空间邻域信息输入改进的Informer模型学习不同分区内局部位置的长时序非线性特征，输出每个像素的时序沉降预测值，实现对矿区沉降信息的长时序预测；本公开降低了原始Transformer在长序列输入下的时间复杂度和内存占用率问题。技术研发人员：李向伟,李涛,吝涛受保护的技术使用者：山东省煤田地质局物探测量队技术研发日：技术公布日：2024/11/14