基于GNSS的露天矿边坡监测系统实现与应用
陈子江
(贵州地矿基础工程有限公司, 贵州 贵阳 550081)
摘 要：为了改进目前煤矿边坡地质灾害全球导航卫星系统(GNSS)监测预警应用中的诸多问题,提升边坡地质灾害GNSS监测预警数据,大幅降低基于GNSS观测的误差。本文以实际项目为依托,通过多种技术与算法实现了某露天矿区边坡地质灾害监测系统的建立。以某矿区地质灾害隐患点监测实际情况为例进行分析,首先,评估了监测站及虚拟基准站观测数据质量;其次,根据实际建设项目的情况,提出综合解决地质灾害GNSS监测项目建设的规范;最后,提出一种组合模型对使用虚拟基准站解算的监测站数据进行去噪处理。得出结论:相比经验模态分解(EMD)模型与EMD-独立分量分析(ICA)模型的去噪效果,提出的组合模型去噪前后的相关系数分别提高了4.7%和2.5%,标准差上分别降低了4.1%和3.7%,信噪比方面分别提高了31.4%和25.7%,去噪效果得到提高。
关键词：边坡监测;全球导航卫星系统监测规范;全球导航卫星系统数据质量管理;组合模型;去噪
0 引言
我国是煤矿产量大国,其中露天煤矿的开采占据了总量的一部分。由于煤矿开采导致的地质灾害时有发生,为保证居民的人身与财产安全,防止地质灾害发生与实时监测工作显得十分重要。许多专家学者研究了边坡监测技术,并取得了一些进展。针对滑坡沉降的地质灾害点,在无明显的裂缝或其他可简单直接观测的特征点,采用全球导航卫星系统(global navigation satellite system,GNSS)监测是最佳的技术手段,可以有效地监测灾害点的位移。当前,应用GNSS监测地质灾害主要使用短基线解算技术,要求在监测点附近5 km内的稳定地质体上建立一个基准站,监测站根据位移体上地质结构确定并安装设备,基准站和监测站按照标准 RTCM3.2格式发送至服务端进行短基线静态解算,获得事后毫米级定位精度。该技术在国内露天矿区应用广泛,并取得了显著效果[1-5]。
本文以某矿区露天开采导致的边坡地质灾害为实际案例,应用成熟的基站与流动站技术获取边坡数据,并对收集的数据进行质量分析与监测结果的解算。通过科学合理的去噪方法提高数据定位精度,为边坡安全监测提供数据支持。
1 某省露天矿边坡GNSS监测现状
截至2021年年底,该省在全省范围内,针对露天矿区边坡实时24 h监控,监测点分布较均匀。
2 隐患点GNSS数据解算
在边坡滑坡点上布设监测点,并采用单基站模式进行数据的采集,获取监测点单基线解算的坐标数据。
2.1 主要技术
2.1.1 模糊度固定技术
模糊度解算中常常考虑系统误差、随机误差带来的影响,导致模糊度解算中常为浮点解的现象出现。外界误差如硬件延迟、接收机相关误差都会导致模糊度收敛速度减慢,解算的精度较差,直接导致了对流层、电离层误差无法提取的现象发生。所以,如何减弱硬件延迟误差的影响,解算获得精度较高的模糊度,是解算电离层误差与对流层误差的关键。本文在硬件延迟误差已知的情况下,针对模糊度固定技术进行研究,从而实现边坡监测。
2.1.2 区域大气建模
大气误差包括电离层与对流层延迟,不同季节不同气候的不同区域模型精度不同。因此在区域建模中,为获取正确的大气延迟误差,参考站模糊度必须是固定解,因此选择合适的大气延迟估计模型至关重要。
2.2 案例分析
2.2.1 隐患点基本情况
本文在该地区选取了具有代表性的监测点,各监测点基本情况如表1所示。该监测点露天煤矿开采多年,并且滑坡现象较为突出,在滑坡监测中应用较早。
表1 各滑坡地质灾害隐患点站点
2.2.2 解算结果情况
使用GNSS 数据预处理软件( translation, editing and quality checking,TEQC)处理各监测点观测数据,并对数据质量进行检核。以农安县振才镇滑坡监测点与双阳区双窝堡乡滑坡监测点上的观测数据为例,在数据完整性、多路径误差方面进行检核,如表2所示,其中,数据完整率是分析接收数据质量优劣的重要指标,他是在单位时间内所接收到的数据是否完整的一个量化指标;MP1表示为L1载波上的多路径误差,期值越小表示多路径影像越小;MP2为载波L2上的多路径误差,其值越小表示影响多路径误差越小。
表2 农安县振才镇滑坡监测点数据质量检核结果
双阳区双窝堡乡露天矿边坡监测点质量检核结果如表3所示。
表3 双阳区双窝堡乡露天矿边坡GNSS数据质量检核结果
从表3中可得出JCS系统的数据完整率最优,我国自主设计开发的北斗系统受多路径影响最小。
2.2.3 存在问题
系统运行以来,各测站均遇到如下困难有待解决:
(1)数据质量无法保证。不符合计算最低数据质量的要求,就无法进行解算,更谈不上解算精度。
(2)解算精度问题。解算结果通常通过可靠性与准确性两个精度指标来验证,若无法满足规范要求,那么失去了系统设计的初衷,这将是系统开发的问题所在。
针对以上问题,为保证系统稳定运行,必须着重解决数据完整率与解算精度两方面的提升改造。
3 监测点数据质量提高
从具有代表性的五大区域监测点所获取的数据质量来看,站点数据质量优劣、解算软件可靠性及稳定性是关键因素。为减少系统误报率,提供真实的观测值,系统需要解决以下三方面问题:
(1)提高监测站点的数据质量。首先,从建站初期地址的选择上要充分满足GNSS观测要求,同时满足条件的观测环境可以提高数据完整性;其次,减弱多路径误差、增加观测卫星数目都是可通过硬件来实现的;最后,增加俯角角度,提高观测值质量。
(2)目前国内外GNSS厂商都有各自的解算软件,不同软件核心算法相差很大,导致没有统一的评价指标。所以规范统一解算软件,统一核心算法是当前核心问题。
(3)观测环境的多变干扰,数据中难免会存在大量的噪声,如何采取适当方法去噪也是需要改进的地方。
3.1 提高数据质量
如需获取到精度满足要求的结果,优良的观测质量是前提。当前观测环境制约了提高数据质量的几个指标,如数据信噪比、有效卫星数目、高度角等很难符合规范要求。目前阶段就是着力解决干扰因素中的困难,使其系统得到最大限度的改进提升。
3.1.1 提高基准站数据质量
提高基准站数据质量的关键措施,包括要求俯仰角达到10°,电磁干扰要求500 m半径以内无强电磁环境;要求选址前进行至少连续2 h观测数据的评估,在多路径效应控制上,严控遮挡树木、建筑等,使得相关指标至少满足基本要求。
3.1.2 监测站数据质量提升改进
监测站的数据质量提升,记录周边500 m以内的电磁干扰环境;记录周边的多路径效应影响因素,清理遮挡的树木等,其中能够进行人工干预的是减少周边树木的遮挡。
3.2 算法改进
露天矿边坡监测中的GNSS算法,是利用成熟的长短基线改进而来的。要选定合适的算法必须考虑以下两点:第一,对于监测站点观测到了卫星中,提出符合要求的卫星数,并且保证数据质量优良,有利于模糊度固定,解算出的坐标序列具有可靠性;第二,各监测站点多路径误差尽可能减弱,防止数据中夹杂着该误差的影响[5]。
3.3 隐患点数据去噪研究
针对获取到的隐患点GNSS数据,通过解算发现坐标序列中存在噪声。为了更好地反映真实的位移情况,本节提出了一种组合算法对原始坐标序列进行去噪化处理,该组合模型称之为经验模态分解(empirical mode decomposition,EMD)-小波分析(wavelet analysis,Wavelet)-CA模型。实验选取各隐患点北方向数据为例,并按照组合模型去噪。
3.3.1 经验模态分解
EMD方法本质上是对采集的原始数据进行平稳化处理,EMD方法将数据进行多尺度多频率的分解,该方法的主要步骤如下[6]:
(1)针对原始信号s(t)全域搜寻,确定最大值与最小值序列,分别采用三次样条插值法对二者拟合。分解出上包络线su(t)和下包络线sl(t)。
(2)计算得到上下包络线的均值sa(t)为
(1)
(3)将原始序列s(t)与上下包络线均值sa(t)作差,提取细节h(t)为
h(t)=s(t)-sa(t)
(2)
(4)计算信号的残余分量r为
r=s(t)-imfi(t)
(3)
式中,imfi(t)为经验模态分解i分量数值。
3.3.2 小波分析
小波分析是20世纪发展起来的调和领域算法之一,其在众多工程科研领域迅猛发展。其中关键因素——小波基函数φa,τ是由满足一定条件的小波基函数φ(t)经过伸缩a和平移τ得到的,小波基函数可表示为[7]
(4)
将被变换函数f(t)与小波基函数进行卷积,如式(5)所示。
(5)
式中,小波变换系数可用WTf(a,τ)表示,连续小波变换常用于对连续问题的研究中,解决理论问题。
3.3.3 独立分量分析算法
独立分量分析基本原理是假设各信号之间独立不冲突,同时满足观测信息的先验信号很少的情况下,仅通过混叠信号实现分离信号的一种盲源分离算法[8]。独立分量分析(independent component analysis,ICA)的数学模型可表达为x=As,其中x=(x1,x2,…,xn)T表示n维向量,由混合矩阵A与原始向量s=(s1,s2,…,sn)T进行线性混合而成。假设混合矩阵A与原始向量s都未知,通过统计观测信号x的特征,对原始向量s进行最大程度的逼近或者恢复,可以采用创建分离矩阵W的方法,对观测信号x进行分离变换后得到输出信号,此输出信号就是对源信号的最佳分解[9-11]。
3.3.4 组合模型介绍
本文介绍了三种数据处理方法,尝试将三种模型组合起来,构成EMD-Wavelet-ICA组合模型。其基本流程是将原始观测坐标序列数据利用EMD分解,得到不同频率的分量。其中高频率分项利用小波去噪处理,剩余低频率分项采用ICA处理。并且将去噪之后的分量重构形成原始信号。该组合模型的基本流程如图1所示。
图1 组合模型去噪流程
针对SX001监测站点获取的5 d GNSS原始观测数据解算,坐标序列首先通过EMD分解,获取到如图2所示的10个IMF分量。计算分量的累计均值(MSAM),统计结果如图3所示。
图2 EMD分解后的IMF分量
图3 分解尺度的MSAM值
由图3可以看出,分量中第7个的MSAM数值已经与零值的差距较大,所以可认为第7个分量之后的分量为低频分量,其他为高频分量。对高频使用小波去噪处理,同样低频部分使用ICA方法去噪处理。最终重构两种去噪方法的信号分量,得到去噪之后的分量。去除噪声之后的信号如图4所示。
图4 EMD-Wavelet-ICA组合方法处理的监测点变形趋势
为了量化去噪前后的差异,并验证该组合模型的有效性,统计各方法的三大指标,包括有标准差、相关系数指标、信噪比指标,如表7所示。
表7 不同方法对坐标序列的去噪效果对比
由表7可看出,对监测点的数据处理,以本文提出的组合方法与EMD方法、EMD-ICA方法在表格中提及的三种系数进行比较。其中,相关系数上分别提高了4.7%与2.2%;标准差提高了4.5%与3.7%;信噪比方面提高了25.1%与14.8%。证明了该组合模型去噪效果显著。
4 结束语
本文在已有成熟去噪模型基础上,充分利用了三种模型的优势,构成组合去噪模型。并以某省露天矿区边坡监测系统数据为例,对比分析常用的去噪模型,对相关系数、标准差、信噪比三种指标进行评价。结果显示,该组合模型较单一的EMD方法、EMD-ICA方法均有不同程度的提升。该组合模型在露天矿边坡监测数据去噪中发挥了积极作用。同时,系统的可靠性方面还需大量的举例验证,通过系统实时反馈边坡监测信息,以保证系统良好稳定地运行。但单一的监测方法总是存在一定的缺陷性,无法准确预测或全面保障边坡的安全,所以有的矿山使用多种传感器联合监测的方法来保障边坡的安全,如大唐国际胜利煤田就使用 GPS、测量机器人和雷达等多种监测手段,不仅精准度高,还能对边坡的未来走势进行预测 。
参考文献
[1] 丁辉.霍林河露天矿边坡监测预警和应急响应机制分析[J].露天采矿技术,2022,37(2):91-94.
[2] 张庆浩.对于GNSS边坡监测系统在露天矿的应用思考[J].中国新通信,2021,23(24):80-81.
[3] 陆翔.寒区露天矿泥岩边坡冻融损伤机理与季节性控制开采研究[D].徐州:中国矿业大学,2021.
[4] 杨毅.基于BDS/GPS组合系统的露天矿边坡变形监测研究[D].合肥:安徽大学,2021.
[5] 张飞,郝勇浙,刘跃忠,等.露天矿边坡位移监测方法的发展与研究[J].采矿技术,2021,21(1):89-93.
[6] 王立文,韦忠跟,袁英杰.雷达技术在露天矿边坡监测预警中的应用[J].现代矿业,2020,36(12):145-147,150.
[7] 刘小阳,李峰,孙广通,等.一种露天矿高边坡形变监测的新方法[J].金属矿山,2020(11):59-65.
[8] 樊斌,李静涛,郝燕奎.露天矿边坡地基干涉雷达变形监测数据特征分析[J].露天采矿技术,2020,35(5):58-60,64.
[9] 张宇,王永伟,石磊.露天矿边坡自动化监测关键技术探析[J].石化技术,2020,27(9):33-34.
[10] 马福义,张宇,赵喜江,等.基于GNSS的益新煤矿工业广场地表变形监测研究[J].山西煤炭,2021,41(4):64-69.
[11] 李欢,张小龙.GPS技术在地形复杂矿山变形监测中的应用[J].世界有色金属,2021(22):223-224.
[12] 刘亚飞.基于多源测绘技术矿区沉降变形监测研究[J].河南科技,2021,40(30):55-57.
引文格式：陈子江.基于GNSS的露天矿边坡监测系统实现与应用[J].北京测绘,2023,37(4):568-573.
作者简介：陈子江(1978—),男,贵州贵定人,工程硕士,高级工程师,从事工程测量、变形监测相关研究工作。E-mail：1959864287@qq.com
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
