中国安全科学学报

作者：刘迪, 杨辉, 卢才武, 阮顺领, 江松

单位：1 西安建筑科技大学 资源工程学院,陕西 西安 710005；2 西安建筑科技大学 西安市智慧工业感知计算与决策重点实验室,陕西 西安 710005

关键词：改进麻雀搜索算法(MISSA),卷积神经网络(CNN),双向长短期记忆(BiLSTM),尾矿坝,位移预测,深度学习模型

基金：国家自然科学基金资助(51208282); 陕西省社会科学基金资助(2023R035)

为应对尾矿坝位移预测所面临的复杂情况和精度要求,提出一种基于多算法耦合的尾矿坝位移动态预测模型。首先,基于时间序列分解模型将累计位移分为趋势项和周期项,利用高斯回归时间序列预测模型预测趋势项位移;然后,运用不同Copula函数研究诱发因素与周期项位移的整体相关性,鉴于周期项位移影响因素多样性与强非线性的特点,采用多策略融合的改进麻雀搜索算法改进麻雀搜索算法(MISSA)-卷积神经网络(CNN)-双向长短期记忆(BiLSTM)模型预测周期项位移;最后,将高斯回归趋势项位移预测值和MISSA-CNN-BiLSTM周期项位移预测值叠加。结果表明:尾矿坝累积位移预测值与实测值基本一致,预测结果相关性系数R为0.996,均方根误差(RMSE)为0.13 mm,建立的 MISSA-CNN-BiLSTM多算法耦合模型预测精度较高,且能较好地预测尾矿坝位移的阶跃型变化。

来源：2024年第9期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第9期