采煤沉陷区精细化识别方法、装置、系统及存储介质与流程

本技术涉及矿山检测，尤其涉及采煤沉陷区精细化识别方法、装置、系统及存储介质。

背景技术：

1、煤炭资源开采引发岩层内部应力重新分布，导致岩层移动与地表移动盆地的形成，从而引发一系列问题、如水土流失、地表构建筑损伤、生态损伤与环境污染等。因此，实现大范围矿区的采空区地表移动变形盆地的精准识别，对于及时调整井下采掘计划、采取有效的沉陷控制手段以及保护地表构建筑物具有重要意义。经研究发现，大尺度下的广域形变监测技术以ts-insar/d-insar技术作为主要的监测手段，为矿区尺度下采煤引起的移动变形盆地识别提供信息支撑与数据保证，但目前多数方法未能充分考虑采煤沉陷区地表沉降的时序演化特征与动态响应机制，且仅将insar结果作为先验知识，未能有效融入精度更高的时序实测数据，导致模型的适用性与迁移能力较弱，同时，部分模型依赖点云、无人机等监测结果，受限于机载测量难以快速覆盖大范围区域，使识别能力受限，导致基于空间域的识别方法难以充分利用长时序形变结果所包含的信息。

技术实现思路

1、本发明提供一种采煤沉陷区精细化识别方法、装置、系统及存储介质，以至少解决因未能充分挖掘和利用长时序形变特征和动态响应机制，导致采煤沉陷区识别精度低的问题。本发明的技术方案如下：

2、根据本发明实施例的第一方面，提供了一种采煤沉陷区精细化识别方法，该方法包括：根据目标矿区在预设监测时间范围内的影像数据，提取目标矿区的影像数据中每个像元的沉降曲线特征；沉降曲线特征表征地表沉降量与时间的变化关系；根据目标矿区的影像数据中每个像元的沉降曲线特征，确定每个像元的判别结果；判别结果包括采煤沉陷区或非采煤沉陷区；对判别结果为采煤沉陷区的各个像元进行聚合，生成目标矿区内采煤沉陷区的空间分布图。

3、作为一种实现方式，在提取目标矿区的沉降曲线特征之前，方法包括：根据多个矿区工作面的历史监测时间范围内的地表实测时序沉降数据，采用沉陷时间函数模型，生成模拟时序沉降数据；提取在历史监测时间范围内非采煤区中无明显变形区域的时序数据，得到非沉陷区时序数据；对模拟时序沉降数据和非沉陷区时序数据进行时间和空间归一化处理，提取历史监测时间范围内多个预设监测时间点的历史沉降值和历史最大地表沉降量，构建时序沉降特征数据集。

4、在该实施方式中，以真实矿区中采煤沉陷区和非沉陷区的样本集数据不平衡，采用沉陷时间函数模型，在多个实测工作面的参数基础上，生成大量且多样的模拟沉陷时序曲线，增加正样本的丰富度，使训练集达到更合理的正负样本比例，提升模型对沉陷区的学习充分性，降低过拟合风险。

5、作为一种实现方式，分别确定时序沉降特征数据集中沉陷区时序样本的第一惩罚参数和非沉陷区时序样本的第二惩罚参数；基于时序沉降特征数据集，根据第一惩罚参数和第二惩罚参数，对预设分类模型进行训练，得到采煤沉陷区识别模型；采煤沉陷区识别模型用于识别目标矿区中各个地表单元是否属于采煤沉陷区。

6、在该实施方式中，分别为沉陷区样本和非沉陷区样本设置不同的惩罚参数，以此，通过为沉陷区样本分配更高的惩罚参数，针对性地解决了类别不平衡问题，实现了错分代价的非对称配置，显著提高了模型对沉陷区的识别灵敏度，同时保持了整体分类的简洁性与跨矿区的泛化能力。

7、作为一种实现方式，根据目标矿区在预设监测时间范围内的影像数据，提取目标矿区的沉降曲线特征，包括：获取目标矿区在预设监测时间范围内的影像数据；采用小基线集时序干涉测量，从影像数据中提取出每个像元的地表时序沉降信息；地表时序沉降信息包括预设监测时间范围内每个预设监测时间点的地表沉降量和最大地表沉降量；根据预设监测时间范围的总累计天数，对地表时序沉降信息进行归一化处理，得到目标时序沉降信息；对目标时序沉降信息进行时间和空间归一化处理，提取出目标矿区中每个像元的沉降曲线特征。

8、在该实施方式中，利用sbas-insar技术实现了采煤沉陷区大范围、长时序、像元级的高精度形变监测，完整保留了每个像元的沉降动态过程，从而提取出每个像元的沉降曲线特征。由于采煤沉陷区与非采煤沉陷区的曲线形态具有明显区别，基于此，可根据采煤沉陷区与非采煤沉陷区的曲线形态区别，根据沉降曲线特征，有效的识别出矿区中的采煤沉降区，从而提高识别精度。

9、作为一种实现方式，对目标时序沉降信息进行时间和空间归一化处理，提取出目标矿区中每个像元的沉降曲线特征，包括：根据目标像元对应的各个预设监测时间点的累计沉降天数与总沉降天数的比值，得到时间归一化后的目标时间序列；根据各个预设监测时间点的沉降值与目标时间序列曲线对应的最大地表沉降量的比值，得到空间归一化后的目标沉降序列；根据目标时间序列和目标沉降序列，构建目标像元的沉降曲线特征。

10、在该实施方式中，将时间归一化与空间归一化结合，得到以相对时间为横坐标、相对沉降为纵坐标的沉降特征曲线。该曲线完全消除了时间和幅度的绝对尺度差异，只保留了沉降过程的动态形状，实现对不同像元的统一比较与高精度识别。

11、作为一种实现方式，根据历史时序沉降信息，确定目标矿区的影像中每个像元的判别结果，包括：将目标矿区的影像数据中每个像元的历史时序沉降信息输入至采煤沉陷区识别模型，得到每个像元的判别结果；判别结果表征各个像元对应的地表是否为采煤引起的地表形变单元。

12、作为一种实现方式，根据多个矿区工作面的历史监测时间范围内的地表实测时序沉降数据，采用沉陷时间函数模型，生成模拟时序沉降数据，包括：沉陷时间函数模型包括生长曲线函数、韦伯函数、幂指数函数和逻辑函数。

13、根据本发明实施例的第二方面，提供了一种采煤沉陷区精细化识别装置，该装置包括：

14、特征提取单元，被配置为根据目标矿区在预设监测时间范围内的影像数据，提取目标矿区的沉降曲线特征；沉降曲线特征表征地表沉降量与时间的变化关系。

15、判别单元，被配置为根据目标矿区的影像数据中每个像元的沉降曲线特征，确定每个像元的判别结果；判别结果包括采煤沉陷区或非采煤沉陷区。

16、结果生成单元，被配置为对判别结果为采煤沉陷区的各个像元进行聚合，生成目标矿区内采煤沉陷区的空间分布图。

17、根据本发明实施例的第三方面，提供了一种采煤沉陷区精细化识别系统，该系统被配置为执行如第一方面及其任一种可能的实现方式的采煤沉陷区精细化识别方法。

18、根据本发明实施例的第四方面，提供了一种采煤沉陷区精细化识别设备，该设备被配置为执行如第一方面及其任一种可能的实现方式的采煤沉陷区精细化识别方法。

19、根据本发明实施例的第五方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，当计算机可读存储介质中的指令由采煤沉陷区精细化识别设备的处理器执行时，使得采煤沉陷区精细化识别设备能够执行如第一方面及其任一种可能的实现方式的采煤沉陷区精细化识别方法。

20、根据本发明实施例的第六方面，提供一种计算机程序产品，计算机程序产品包括计算机指令，当计算机指令采煤沉陷区精细化识别设备上运行时，使得采煤沉陷区精细化识别设备执行上述第一方面及其任一种可能的实现方式的采煤沉陷区精细化识别方法。

21、本发明的实施例提供的技术方案至少带来以下有益效果：本发明利用insar影像数据获取的长时序形变信息，充分考虑了采煤沉陷区地表沉降的时序演化特征与动态响应机制。通过提取目标矿区内每个像元的沉降曲线特征，完整保留了地表从初始沉降到逐渐稳定的全过程动态信息。由于采煤沉陷区与非采煤沉陷区在时序曲线上具有显著差异，采用沉降曲线特征作为判别依据，能够有效降低对沉陷区的漏判概率，从而显著提高沉降区的识别精度。在此基础上，本方案依据各像元独立的沉降曲线特征进行逐像元判别，并将判别结果聚合生成采煤沉陷区的空间分布图，进而自动识别目标矿区内的采煤沉陷区，实现对大范围矿区尺度下地表沉降区的有效回溯。

22、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。