Resumen

En este trabajo se propone un método basado en el algoritmo de optimización SBAS-InSAR y lobo gris que tiene como objetivo subsanar los defectos del método tradicional utilizado para obtener los parámetros esperados del método integral de probabilidad, que requiere mucho tiempo y trabajo, y las deficiencias de la tecnología InSAR en el campo de la detección de deformaciones de gran gradiente en la zona minera. La función de adecuación del algoritmo se estableció a partir de la relación geométrica entre la imagen lateral del radar y el modelo tridimensional del método integral de probabilidad. El punto de hundimiento estable del límite de asentamiento obtenido por SBAS-InSAR se utilizó como valor de entrada para el cálculo de los parámetros predichos del método integral de probabilidad. En primer lugar, se empleó el experimento de simulación para la simulación de la dirección de la línea de visión InSAR combinada con las condiciones geológicas mineras del frente de trabajo supuesto, obteniéndose así los parámetros de predicción de la integral de probabilidad del frente de trabajo. En consecuencia, el error relativo máximo de q, b, tanβ y θ0 no supera el 8%, y el de S1, S2, S3 y S4 no supera el 35,5% (baja sensibilidad de los parámetros). El error del ajuste de la deformación en dirección LOS es de 0,076 m, lo que cumple los requisitos de tolerancia, y el resultado es fiable. Por último, el método de búsqueda de parámetros se aplica al ejemplo de ingeniería, es decir, el frente de trabajo 112201 de la mina de carbón Xiaobaodang en la zona minera del norte de Shaanxi. El valor de asentamiento del punto límite estable se obtiene a partir de los resultados de SBAS-InSAR, que se sustituye en la función de adecuación. Y el algoritmo de optimización GWO se utiliza para la optimización y la búsqueda de parámetros; los parámetros esperados de la integral de probabilidad del frente de trabajo se calculan como q=0,63, b=0,37, tanβ=2,76, θ0=83,94, S1=-36,34 m, S2=26,69 m, S3=-45,64 m, y S4=39,62 m. Sustituir los parámetros obtenidos en el modelo integral de probabilidad para la predicción de los desplazamientos verticales y horizontales del frente de trabajo, y verificar su precisión con los datos medidos con GPS. Los resultados mostraron que el error absoluto máximo del desplazamiento vertical alcanzó los 116 mm, el error medio fue de 63 mm, y el error absoluto máximo del movimiento horizontal norte-sur alcanzó los 56 mm; mientras tanto, el error medio fue de 23 mm, el error absoluto máximo del movimiento horizontal este-oeste alcanzó los 61 mm, y el error medio fue de 29 mm; todos los parámetros anteriores están dentro del rango de tolerancia, lo que indica que el método para el cálculo de los parámetros integrales de probabilidad propuesto en este trabajo es aplicable en la ingeniería real.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:error máximo absoluto, probabilidad, método integral, error medio, cara, parámetros, sbas, método, función de aptitud, movimiento horizontal
• Keywords:maximum absolute error, probability, integral method, median error, face, parameters, sbas, method, fitness function, horizontal movement