原文传递
基于时序InSAR的地铁沿线沉降监测及参数反演
| 论文题名： | 基于时序InSAR的地铁沿线沉降监测及参数反演 |
| 关键词： | 沉降预测;参数反演;时序InSAR;形变监测 |
| 摘要： | 由于传统地铁沉降监测方法的监测范围有限且耗时费力，导致获取地铁沿线沉降信息困难，不能及时发现安全隐患，故采用有效的方式对地铁沿线进行沉降监测具有十分重要的意义。时间序列InSAR技术可以在一定程度上弥补传统沉降监测方式获取数据少，监测难等缺点。本文基于时序InSAR技术来对成都市3、4、7号地铁沿线进行沉降监测及相关沉降参数反演。具体研究工作及成果如下： （1）基于PS-InSAR和SBAS-InSAR两种技术，解算成都市地表形变速率场，通过对比两种实验结果的形变区域空间分布、检验两种实验结果之间的线性关系和Pearson相关系数来对两种实验结果进行交叉验证，实验结果表明PS-InSAR和SBAS-InSAR两种结果的形变区域空间分布基本一致，线性关系达0.96，Pearson相关系数为0.98，证实了两种技术得到的实验结果具有较高的可靠性。 （2）基于时序InSAR解算的地表形变速率，提取3、4、7号线沿线500m范围内的形变速率场，分析其沉降时空分布特征，对造成地表沉降的主要因素进行剖析。结果表明3条地铁线路的形变速率主要分布在-2mm/y～4mm/y之间，地表总体形变较为稳定，相对严重的沉降区域分布在太平园站、红牌楼站、昭觉寺南路站至动物园站、熊猫大道至军区总院站、蔡桥、成都西站、西南交大、理工大学、东坡路、双店路、槐树店和狮子山地铁站附近，发生地表沉降的区域其空间分布与人为建筑施工区域基本一致，与地质运动、地下水和温度变化相关性较低。 （3）提出了一种基于局部均值分解的ARIMA预测模型，基于时序InSAR解算出的36期累计沉降量数据来对GM（1，1）预测模型、Holt-Winters预测模型以及ARIMA预测模型进行预测精度对比，结果表明ARIMA预测模型的效果最佳，并在此基础上，融合局部均值分解方法，对ARIMA预测模型进行改进，结果表明该模型的预测精度优于ARIMA预测模型，并以此模型为基础预测了典型沉降区2023年1月至6月共计6期的累计沉降量。 （4）基于Logistic回归模型和Peck沉降槽模型对3、4、7号地铁线路自开通运营之后的沉降时间特征以及典型沉降区域的沉降槽宽度及最大沉降量进行反演。结果表明三条线路的沉降状态自开通运营后到达到相对稳定所需的时间约为3～5年，符合地铁线路沉降规律；蔡桥、成都西站、槐树店、双店路站沉降监测区域的沉降槽宽度分别约为28.43m、42.56m、51.85m、36.18m，最大沉降量分别约为-27mm、-21mm、-21mm、-28mm，反演结果与三维曲面拟合结果相符。 |
| 作者： | 张通德 |
| 专业： | 测绘工程 |
| 导师： | 冯晓 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
