基于1DCNN-LSTM尾矿坝浸润线预测
Prediction of Saturation Line of Tailing Dam based on 1DCNN-LSTM作者机构:辽宁科技大学土木工程学院辽宁鞍山114051 鞍山钢铁集团有限公司齐大山选矿厂辽宁鞍山114043
出 版 物:《有色金属工程》 (Nonferrous Metals Engineering)
年 卷 期:2024年第14卷第7期
页 面:138-146页
学科分类:0819[工学-矿业工程] 081903[工学-安全技术及工程] 08[工学]
基 金:辽宁省教育厅面上项目(LJKZ0322) 辽宁科技大学校青年项目(2020QN10)
摘 要:准确预测浸润线位置变化对尾矿坝的稳定性和安全性至关重要,为充分挖掘浸润线数据提供的空间特征和时序信息,提出将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合方法预测浸润线。以辽宁省齐大山风水沟尾矿库主坝为例,使用历史浸润线、库水位、坝体内外部位移、干滩长度5个主要因素作为模型输入数据,预测未来1 d和未来3 d的浸润线位置。将1DCNN-LSTM模型与经典的LSTM和反向传播神经网络(BP)进行对比研究。结果表明,1DCNN-LSTM浸润线预测的决定系数(R^(2))均在0.9以上,未来1 d的浸润线预测误差均值绝对值为0.004 m,最大误差绝对值为0.06 m,未来3 d的浸润线预测误差均值绝对值为0.003 m,最大误差绝对值为0.065 m,优于经典模型。这为短期浸润线预测提供一定的参考依据。