中国安全科学学报

作者：阮顺领, 韩思淼, 张宁宁, 顾清华, 卢才武

单位：1 西安建筑科技大学 资源工程学院, 陕西 西安 710055；2 西安建筑科技大学 矿山系统工程研究所, 陕西 西安 710055；3 西安市智慧工业感知计算与决策重点实验室, 陕西 西安 710055

关键词：卷积神经网络(CNN),门控循环单元(GRU),尾矿坝,浸润线,自适应矩估计权重衰减优化算法(AdamW)

基金：国家自然科学基金面上项目(52374160); 陕西省自然科学基础研究计划项目(2022JM-201)

为预防尾矿库溃坝安全事故,关联分析在线监测数据的深度,提出将卷积神经网络(CNN)与门控循环单元(GRU)融合的尾矿库浸润线安全态势预测方法,以掌握坝体的稳定性状况与安全发展态势。该方法综合考虑尾矿库监测数据复杂非线性和时序关联性等特点,利用一维卷积神经网络(1D CNN)模型获取多源数据的局部关联特征和空间特征,并利用GRU模型获取浸润线数据的时序特征,采用自适应矩估计权重衰减优化算法(AdamW)优化模型梯度的自适应性,提高预测模型泛化能力和预测精度,并以河南洛阳某金属露天钼矿尾矿坝进行试验验证。试验结果表明:对比传统BP神经网络、长短期记忆网络(LSTM)、GRU等预测模型,该预测模型在平均绝对百分比误差(MAPE)、平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)、R2几项关键指标上,分别达到0.013 915 62、0.005 432、0.000 045、0.006 702、0.998 334,实现对浸润线变化态势快速精准预测。

来源：2023年第S1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2023年第S1期