基于FCM-STGCN模型的露天矿边坡形变时空预测方法

摘要

露天煤矿开采易诱发边坡失稳变形，为研究有效的监测及预测方法，以青海省某露天矿坑为研究对象，采用小基线集雷达差分干涉测量技术(SBAS-InSAR)获取研究区域边坡时序形变数据，通过模糊C均值(FCM)聚类算法将不同形变程度的监测点聚类分区;通过DB指数与轮廓系数确定最佳聚类数目，应用FCM算法在最佳聚类数目下将形变特征相似度高的形变点划分在同一子区，结合聚类算法与时空图卷积神经网络(STGCN)构建FCM-STGCN模型，对边坡形变趋势进行预测。结果表明:在3种不同的训练集与预测集比例情景下，相比于长短期记忆网络(LSTM)模型、FCM聚类下长短期记忆网络(FCM-LSTM)模型的预测效果，FCM-STGCN模型最优，在最优情景下FCM-STGCN模型均方根误差为4.2 mm，平均绝对误差为3.1 mm，加权平均百分比误差为6.4%，决定系数为0.996;模型预测值与真实值的莫兰指数最小仅相差0.007，在空间分布特征上两者高度吻合。研究实现了边坡形变的高精度预测，可为露天煤矿边坡形变预测及灾害防治提供理论依据。

关键词

露天煤矿 / 边坡形变 / 空间相关 / 聚类算法 / 时空图卷积神经网络