近年来,鹤岗矿区多处煤矿出现工业广场变形破坏情况,如地表沉陷、建筑物开裂、井塔倾斜、竖井井筒变形破坏等,多次造成人员受伤。为此本文采用理论分析、实测数据分析、数值模拟分析、机器学习等研究手段,对鹤岗矿区工业广场变形因素及监测方法进行了深入研究。构建了鹤岗矿区“空天地”多源监测数据融合的变形预测预警模型,并研发了鹤岗矿区变形监测智能预警系统,论文的主要研究内容与成果如下:(1)构建了双基准网的矿区工业广场“空天地”模块化变形监测系统;运用精密单点定位技术与数理统计方法对系统框架双基准网稳定性进行分析研究。①建立了以IGS站、CORS站、GNSS基准站三级架构下的矿区工业广场双基准网系统,并构建了顾及地壳速度场的双基准网精密单点定位稳定性统计分析方法。揭示了鹤岗矿区基准网受地壳速度场影响,向东侧以22mm/a速度移动的特征,与周边IGS参考站移动速率一致。通过对双基准网内点位相对位移检验发现,CORS站间3年内水平方向相对变化量13mm,GNSS基准站间3个月内水平方向坐标变化量6mm,符合规范要求,表明“空天地”多源协同变形监测系统基准框架稳定可靠。②建立了以“空天地”多源协同监测方法为子模块的立体工业广场变形监测系统。将各监测模块与天基、空基、地基、地下四部分有机融合,构建了以SBAS-InSAR系统监测矿区工业广场周边变形,以GNSS系统监测矿区工业广场地表变形,以三维激光扫描监测建筑及竖井井筒变形,以震源定位技术监测井下越界开采的多服务器立体监测模式。(2)将实验区“空天地”多源变形监测数据进行了多算法处理及数据融合,提出了分区化多源变形监测数据Web神经网络融合算法模型。将实验区分区化并提取各分区监测结果影响因子,分别进行Web神经网络Softmax函数逻辑回归分析,将迭代结果映射为[0,1]结果矩阵,并将各区结果矩阵赋权计算,获取整体安全系数矩阵,并以此判断实验区安全等级,经实测准确率92%。(3)结合数值模拟与“空天地”多源数据分析结果,对实验区变形进行了全面分析,揭示了在周边小煤矿不确定、不正规开采等复杂影响条件下矿区工业广场的变形规律。①随着周边小煤矿的开采推进,实验区垂直方向上整体呈现下沉趋势,但沉降速率各监测点均不相同,实验区南北下沉量大,中部下沉量小。通过4个月的实测结果表明,实验区南侧下沉量28mm,北侧下沉量34mm,中部下沉量20mm,南侧小煤矿聚集区域下沉速度25mm/a,实验区东北侧受两处小煤矿影响,最大下沉量达34mm。水平方向上,中部向东侧移动,上部受小煤矿影响向北侧移动,下部受小煤矿影响向东南侧移动,南北两侧紧邻小煤矿开采边界区域累计移动量19mm,实验区其余部分移动量最大23mm,揭示了在多矿井复杂采动影响条件下矿区工业广场移动规律异常的特征。②针对矿区建筑倾斜问题,提出了“双线性插值与面积射影定理法”建筑点云倾斜度算法,并对实验区井塔倾斜变化进行了分析。新主井井塔受东侧小煤矿采空区影响向东南方向倾斜,倾斜度2.15‰,混合井井塔由于与周围建筑相连接,整体刚度较大,向西南略微倾斜,倾斜度0.69‰,通过多期数据比较,倾斜度变化量0.3‰。竖井井筒井口中心较井底中心向东偏移287mm,整体位移量在100m～250m之间,自井底标高-300.468m处向上,整体井筒向西凸出,自井底标高117.896m处向上,整体井筒向东凸出,倾斜度呈现先小后大的趋势,且随标高增加呈非线性增长趋势。(4)鹤岗矿区工业广场智能监测预警系统研发以JavaScript语言为平台,开发Web平台Kalman滤波降噪程序对监测数据预处理,首次将神经网络变形预测模型融合于浏览器当中,首次提出了 Web神经网络的分区化工业广场智能预警模型,通过Web神经网络在线机器深度学习算法对工业广场各分区监测结果进行数据融合,以此判断工业广场安全等级。并研发囊括SBAS-InSAR监测、地表变形监测、建筑变形监测、震源监测、数据融合预警、VR虚拟现实等模块的鹤岗矿区“空天地”智能监测预警系统。