一种矿区开采沉陷形变的监测预警方法及系统技术方案

本发明专利技术公开了一种矿区开采沉陷形变的监测预警方法及系统，包括：获取目标矿区的空间三维点云数据及开采图像数据，进行预处理；将预处理后的三维点云数据及开采图像数据基于沉陷监测点进行配准，提取沉陷监测点的点云特征及图像特征，并进行特征融合；根据融合特征结合时序生成目标矿区的沉陷形变特征序列，筛选开采沉陷的影响因子，确定影响因素；构建开采沉陷监测模型，根据当前时间的影响因素数据及融合特征获取目标矿区的开采沉陷预测值，并生成监测预警。本发明专利技术通过获取沉陷形变的时序序列，记录了形变的发展过程，把握形变的动态发展特征，实现高精度的开采沉陷预测，为矿区的后续开采和沉陷监测工作，提供数据支撑。提供数据支撑。提供数据支撑。

【技术实现步骤摘要】
一种矿区开采沉陷形变的监测预警方法及系统


[0001]本专利技术涉及矿区形变监测
，更具体的，涉及一种矿区开采沉陷形变的监测预警方法及系统。

技术介绍

[0002]矿产资源是十分珍贵的企业战略自然资源，在当前国民经济发展中具有巨大的意义。然而矿产资源的大量开发导致地表沉陷和环境问题日趋严重，在采矿领域形成巨大的生态环境隐患，增加生态环境负担。对矿山区域土壤地表变化监测能有效的为矿山安全开采以及矿区生态环境治理提供强有力的依据。目前矿产区地表变化观察技术，由于存在费时、费力、监测成本高等缺陷，已经无法满足当前社会发展的技术需求。因此，利用现有的地表形变监测新技术对矿产区进行沉陷监测是一个值得深入探讨的方向
[0003]如何准确的监测和预测煤矿开采区的沉陷问题一直是受到人们的关注，传统的地面形变监测方法大多采用水准测量或者GPS等点测量方法，不仅需要大量的人力、物力，而且获得的信息仅局限于空间的几个部分，无法了解采煤所致的地面形变的空间整体分布，对于形变的发展趋势很难把握，而且也很难及时发现新的沉陷区域。因此，在矿区开采沉陷形变的监测中如何利用多源数据融合图像识别进行精准预警是亟需解决的问题。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了涉及一种矿区开采沉陷形变的监测预警方法及系统。
[0005]本专利技术第一方面提供了一种矿区开采沉陷形变的监测预警方法，包括：
[0006]获取目标矿区的空间三维点云数据及开采图像数据，将所述三维点云数据及开采图像数据进行预处理；
[0007]将预处理后的三维点云数据及开采图像数据基于沉陷监测点进行配准，提取沉陷监测点的点云特征及图像特征，并将所述点云特征及图像特征进行特征融合；
[0008]根据融合特征结合时序生成目标矿区的沉陷形变特征序列，根据所述沉陷形变特征序列筛选开采沉陷的影响因子，确定沉陷形变影响因素；
[0009]基于深度学习构建开采沉陷监测模型，通过所述开采沉陷监测模型根据当前时间的沉陷形变影响因素数据及融合特征获取目标矿区的开采沉陷预测值，并生成监测预警。
[0010]本方案中，获取目标矿区的空间三维点云数据及开采图像数据，将所述三维点云数据及开采图像数据进行预处理，具体为：
[0011]通过三维激光扫描技术进行点云数据采集，获取目标矿区的空间三维点云数据，对所述空间三维点云数据进行杂点消除；
[0012]在扫描过程中，获取目标矿区内各扫描站点的位置及方向角的变化值，将不同扫描站点的三维点云数据根据所述位置及方向角的变化值进行坐标变换，变换到同一扫描站点的坐标系中；
[0013]获取不同扫描站点对应三维点云数据的重叠度，将重叠度大于预设阈值的扫描站点对应的三维点云数据进行拼接，并将重叠区域进行去重复操作，获取目标矿区预处理后的三维点云数据；
[0014]在开采工作面预设沉陷监测点，获取所述沉陷监测点的开采图像数据，将所述开采图像数据，将所述开采图像数据进行滤波去噪，并进行边缘检测分割，获取预处理后的开采图像数据。
[0015]本方案中，提取沉陷监测点的点云特征及图像特征，并将所述点云特征及图像特征进行特征融合，具体为：
[0016]通过目标矿区预处理后的三维点云数据获取沉陷监测点的点云数据，根据沉陷监测点的点云数据与预处理后开采图像数据中的沉陷监测点进行匹配，实现沉陷监测点的图像点云配准；
[0017]在配准后的开采图像数据中选取感兴趣区域，将所述感兴趣区域进行背景去除，并转换到HSV色度空间进行H、S、V三通道的分离，提取HSV分量，获取色度坐标确定颜色特征；
[0018]并利用Canny边缘算子获取沉陷监测点的边缘特征，将所述颜色特征及边缘特征获取图像特征，基于颜色特征和边缘特征获取像素坐标，将所述像素坐标转换到相机坐标与点云数据进行匹配获取点云特征；
[0019]将所述图像特征与点云特征进行融合获取融合特征，将融合特征结合时序与历史沉陷数据结合生成沉陷形变特征序列。
[0020]本方案中，根据所述沉陷形变特征序列筛选开采沉陷的影响因子，确定沉陷形变影响因素，具体为：
[0021]基于矿区开采沉陷监测作为关键词在相关知识图谱中进行相似度计算获取相似度符合预设标准的监测实例，获取所述监测实例中沉陷形变的地矿特征，基于所述地矿特征获取初选影响因子集合；
[0022]根据所述影响因子集合基于历史采矿参数获取各时间戳的参数矩阵，获取历史预设时间内沉陷形变特征序列，将所述沉陷形变特征序列按照时间戳与参数矩阵进行匹配，并将所述参数矩阵进行标准化处理；
[0023]将标准化处理后的参数矩阵进行主成分分析，获取参数矩阵中各参数特征值，基于所述特征值将参数进行排序，选取预设数量的特征值作为主成分计算贡献度；
[0024]筛选贡献度大于预设贡献度阈值的参数确定各时间戳的主成分，将不同时间戳的参数矩阵对应的主成分进行取交集处理，获取更新后的参数矩阵，根据更新后的参数矩阵确定目标矿区的影响因子；
[0025]利用影响因子在相关知识图谱中获取沉陷形变影响因素及矿区特征实体，将相关知识图谱的实体和关系嵌入到低维空间；
[0026]获取所述目标矿区的地质特征及采矿技术特征，将所述地质特征与采矿技术特征作为影响因素实体的附加特征；
[0027]通过矿区特征的邻居聚合和沉陷形变影响因素的邻居聚合生成目标矿区及沉陷形变影响因素的向量表示，通过内积计算获取各沉陷形变影响因素的得分，基于得分获取目标矿区对应的沉陷形变影响因素。
[0028]本方案中，基于深度学习构建开采沉陷监测模型，具体为：
[0029]获取目标矿区的沉陷形变影响因素，提取沉陷形变影响因素对应的多源数据集，将所述多源数据集及沉陷形变特征序列结合构建训练集，并根据沉陷形变影响因素及图像特征、点云特征获取特征数量；
[0030]基于多头注意力优化后的卷积神经网络构建沉陷监测模型，将训练集导入所述沉陷监测模型，设置两个多头注意力层，根据所述特征数量在多头注意力层中设置并行的注意力机制；
[0031]通过多头注意力层获取训练数据的多维度特征，将所述多维度特征经过全连接层导入卷积神经网络，获取目标矿区的开采沉陷的识别结果及预测值，当所述沉陷监测模型的误差小于预设阈值时，则将模型输出；
[0032]通过输出的开采沉陷监测模型根据当前时间的沉陷形变影响因素数据及融合特征获取目标矿区的开采沉陷区域及开采沉陷预测值。
[0033]本方案中，生成监测预警，具体为：
[0034]根据目标矿区的历史开采沉陷区域及沉陷形变特征序列将目标矿区进行区域划分，基于开采沉陷区域的沉陷情况预设沉陷形变阈值；
[0035]在开采沉陷区域中根据地质特征及沉陷形变特征划分为若干子区域，并根据子区域的历史沉陷变化设置不同的沉陷形变变化阈值；
[0036]当目标子区域中的开采沉陷预测值大于预设沉陷形变阈值或者开采沉陷预测值与当前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿区开采沉陷形变的监测预警方法，其特征在于，包括以下步骤：获取目标矿区的空间三维点云数据及开采图像数据，将所述三维点云数据及开采图像数据进行预处理；将预处理后的三维点云数据及开采图像数据基于沉陷监测点进行配准，提取沉陷监测点的点云特征及图像特征，并将所述点云特征及图像特征进行特征融合；根据融合特征结合时序生成目标矿区的沉陷形变特征序列，根据所述沉陷形变特征序列筛选开采沉陷的影响因子，确定沉陷形变影响因素；基于深度学习构建开采沉陷监测模型，通过所述开采沉陷监测模型根据当前时间的沉陷形变影响因素数据及融合特征获取目标矿区的开采沉陷预测值，并生成监测预警。2.根据权利要求1所述的一种矿区开采沉陷形变的监测预警方法，其特征在于，获取目标矿区的空间三维点云数据及开采图像数据，将所述三维点云数据及开采图像数据进行预处理，具体为：通过三维激光扫描技术进行点云数据采集，获取目标矿区的空间三维点云数据，对所述空间三维点云数据进行杂点消除；在扫描过程中，获取目标矿区内各扫描站点的位置及方向角的变化值，将不同扫描站点的三维点云数据根据所述位置及方向角的变化值进行坐标变换，变换到同一扫描站点的坐标系中；获取不同扫描站点对应三维点云数据的重叠度，将重叠度大于预设阈值的扫描站点对应的三维点云数据进行拼接，并将重叠区域进行去重复操作，获取目标矿区预处理后的三维点云数据；在开采工作面预设沉陷监测点，获取所述沉陷监测点的开采图像数据，将所述开采图像数据，将所述开采图像数据进行滤波去噪，并进行边缘检测分割，获取预处理后的开采图像数据。3.根据权利要求1所述的一种矿区开采沉陷形变的监测预警方法，其特征在于，提取沉陷监测点的点云特征及图像特征，并将所述点云特征及图像特征进行特征融合，具体为：通过目标矿区预处理后的三维点云数据获取沉陷监测点的点云数据，根据沉陷监测点的点云数据与预处理后开采图像数据中的沉陷监测点进行匹配，实现沉陷监测点的图像点云配准；在配准后的开采图像数据中选取感兴趣区域，将所述感兴趣区域进行背景去除，并转换到HSV色度空间进行H、S、V三通道的分离，提取HSV分量，获取色度坐标确定颜色特征；并利用Canny边缘算子获取沉陷监测点的边缘特征，将所述颜色特征及边缘特征获取图像特征，基于颜色特征和边缘特征获取像素坐标，将所述像素坐标转换到相机坐标与点云数据进行匹配获取点云特征；将所述图像特征与点云特征进行融合获取融合特征，将融合特征结合时序与历史沉陷数据结合生成沉陷形变特征序列。4.根据权利要求1所述的一种矿区开采沉陷形变的监测预警方法，其特征在于，根据所述沉陷形变特征序列筛选开采沉陷的影响因子，确定沉陷形变影响因素，具体为：基于矿区开采沉陷监测作为关键词在相关知识图谱中进行相似度计算获取相似度符合预设标准的监测实例，获取所述监测实例中沉陷形变的地矿特征，基于所述地矿特征获
取初选影响因子集合；根据所述影响因子集合基于历史采矿参数获取各时间戳的参数矩阵，获取历史预设时间内沉陷形变特征序列，将所述沉陷形变特征序列按照时间戳与参数矩阵进行匹配，并将所述参数矩阵进行标准化处理；将标准化处理后的参数矩阵进行主成分分析，获取参数矩阵中各参数特征值，基于所述特征值将参数进行排序，选取预设数量的特征值作为主成分计算贡献度；筛选贡献度大于预设贡献度阈值的参数确定各时间戳的主成分，将不同时间戳的参数矩阵对应的主成分进行取交集处理，获取更新后的参数矩阵，根据更新后的参数矩阵确定目标矿区的影响因子；利用影响因子在相关知识图谱中获取沉陷形变影响因素及矿区特征实体，将相关知识图谱的实体和关系嵌入到低维空间；获取所述目标矿区的地质特征及采矿技术特征，将所述地质特征与采矿技术特征作为影响因素实体的附加特征；通过矿区特征的邻居聚合和沉陷形变影响因素的邻居聚合生成目标矿区及沉陷形变影响因素的向量表示，通过内积计算获取各沉陷形变影响因素的得分，基于得分获取目标矿区对应的沉陷形变影响因素。5.根据权利要求1所述的一种矿区开采沉陷形变的监测预警方法，其特征在于，基于深度学习构建开采沉陷监测模型，具体为：获取目标矿区的沉陷形变影响因素，提取沉陷形变影响因素对应的多源数据集，将所述多源数据集及沉陷形变特征序列结合构建训练集，并根据沉陷形变影响因素及图像特征、点云特征获取特征数量；基于多头注意力优化后的卷积神经网络构建沉陷监测模型，将训练集导入所述沉陷监测模型，设置两个多头注意力层，根据所述特征数量在多头注意力层中设置并行的注意力机制；通过多头注意力层获取训练数据的多维度特征，将所述多维度特征经过全连接层导入卷积神经网络，获取目标矿区的开采沉陷的识别结果及预测值，当所述沉陷监测模型的误差小于预设阈值时，则将模型输出；通过输出的开采沉陷监测模型根据当前时间的沉陷形变影响因素数据及融合特征获取目标矿区的开采沉陷区域及开采沉陷预...

【专利技术属性】
技术研发人员：刘建权，张计武，穆顺要，陈京玉，孙双海，高亚龙，贾琦，薛清泼，康维刚，罗志波，李宗瑾，马文强，卢俊华，薛志波，王奇祥，胡志刚，
申请(专利权)人：天津华勘老挝矿业有限公司，
类型：发明
国别省市：