摘要
mining-induced subsidence（由采矿引起的地面沉降）仍然是矿山安全的重要问题，它涉及到地面和地下基础设施、矿山规划以及环境风险。本文专门针对使用三维数值建模技术进行采矿引起的地面沉降预测进行了深入的批判性回顾，探讨了其进展、应用、挑战和机遇。文章首先回顾了从经验方法、图形方法和影响函数方法到分析方法（包括数值方法和概率方法）的发展过程，然后介绍了基于统计和深度学习的沉降预测模型，强调了这些方法在复杂地质条件下的能力和局限性。这些内容的介绍旨在建立历史和比较背景，而文章的核心焦点仍然是三维数值建模在采矿引起的地面沉降预测中的开发、应用、校准、验证、局限性及其未来用途。随后，文章重点讨论了三维数值框架，包括连续介质方法（有限差分法（FDM）、有限元法（FEM）和边界元法（BEM）、离散介质方法（离散元法（DEM）和基于离散元法的混合方法（FEM–DEM/BEM–FEM）），涵盖了这些方法在煤矿和金属矿中的应用及其在模拟塌陷、时间依赖行为和多层煤层条件下的优势。特别关注了岩土工程输入数据（原位测试、反分析及岩体分类）、本构建模（包括蠕变和损伤机制）以及数据同化、校准和验证技术（利用InSAR/MTInSAR、GNSS和水准仪数据）。文章总结了主要挑战，如地质异质性、岩体参数的不确定性、尺度效应、计算需求以及人为/操作因素，并指出了三维数值模型与概率工具和机器学习技术结合应用的潜力，这些技术可以提升灾害预测能力、基础设施和水资源管理规划、法规遵从性以及社区土地利用决策的效率。总体而言，本文认为，通过InSAR校准的三维数值建模结合透明的校准/验证流程，为更安全、更可持续的采矿作业提供了最可靠的基础。
