第２３卷第７期２０２３年４月科技和产业ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＩｎｄｕｓｔｒｙＶｏｌ．２３，Ｎｏ．７Ａｐｒ．，２０２３矿区地表形变监测及预测方法研究张兰军１，王世杰１，２，金鑫田１，姜鑫１（１．兰州交通大学测绘与地理信息学院，地理国情监测技术应用国家地方联合工程研究中心，甘肃省地理国情监测工程实验室，兰州７３００７０；２．甘肃大禹九洲空间信息科技有限公司院士专家工作站，兰州７３００５０）摘要：利用２０１８年１月至２０２１年１２月的４７景Ｓｅｎｔｉｎｅｌ－１Ａ影像，基于ＳＢＡＳ－ＩｎＳＡＲ技术，对窑街矿区进行沉降监测。根据矿区沉降特征，构建ＧＭ（２，１）、ＢＰ神经网络、ＰＳＯ－ＳＶＲ和ＬＳＴＭ４种预测模型，对３个矿区２０２０—２０２１年形变中心沉降值进行预测分析。结果显示：窑街矿区大部分区域处于稳定状态，矿区中心形成明显的沉降漏斗，最大平均沉降速率为１５７．０１ｍｍ／ａ，２０１８—２０２１年最大累积沉降量达到６８１．８２ｍｍ，存在发生采空区大面积塌陷和次生地质灾害的危险。预测结果显示，４种模型表现出不同的预测精度，ＬＳＴＭ模型预测精度最高，可作为矿区地表沉降相对可靠的预测模型。关键词：窑街矿区；ＳＢＡＳ－ＩｎＳＡＲ；沉降预测；时序分析中图分类号：Ｐ２３７文献标志码：Ａ文章编号：１６７１－１８０７（２０２３）０７－０２４８－０６收稿日期：２０２２－１１－０９基金项目：国家自然科学基金（４１８６１０６１）；兰州交通大学天佑创新团队项目（ＴＹ２０２００１）。作者简介：张兰军（１９９７—），男，甘肃东乡人，兰州交通大学测绘与地理信息学院，硕士研究生，研究方向为ＩｎＳＡＲ监测地质灾害；王世杰（１９７１—），男，甘肃民勤人，兰州交通大学测绘与地理信息学院，教授级高级工程师，硕士，研究方向为灾害监测、自然资源变化监测；金鑫田（１９９６—），男，甘肃榆中人，兰州交通大学测绘与地理信息学院，硕士研究生，研究方向为ＩｎＳＡＲ监测地质灾害；姜鑫（１９９５—），男，甘肃会宁人，兰州交通大学测绘与地理信息学院，硕士研究生，研究方向为ＩｎＳＡＲ监测地质灾害。为满足各行业对于煤炭资源的需求，煤炭矿区常以大面积、高强度、多工作面的方式进行长时间、高强度的开采［１］，使矿区地质环境遭到不同程度的破坏，导致时有地质灾害发生，最常见的为矿区地表沉降，严重的有地面塌陷、矿洞坍塌、滑坡、泥...
