集成PCA和LSTM神经网络的浸润线预测方法

作者：戴健非; 杨鹏^*; 诸利一; 郭攀; 贯怀光

来源：中国安全科学学报, 2020, 30(03): 94-101.

DOI：10.16265/j.cnki.issn1003-3033.2020.03.015

• 尾矿坝
• 浸润线
• 主成分分析(PCA)
• 长短期记忆(LSTM)神经网络
• 预测

为预防尾矿库溃坝事故,挖掘尾矿库在线监测系统的有效信息,提高浸润线预测精度,构建基于主成分分析(PCA)和长短期记忆(LSTM)神经网络的浸润线预测模型;以陈坑尾矿库为例,引入皮尔森(Pearson)相关系数和变量组合法,确定模型输入为预测前3天的待测点浸润线位置、相邻周边2点浸润线位置、库水位、坝体纵向位移和降雨量等18个特征量;利用PCA消除输入变量间的数据冗余,并采用LSTM神经网络预测未来3天的浸润线位置。结果表明:基于PCA和LSTM神经网络的浸润线预测方法具有较高的预测精度,平均绝对误差为0. 011,决策系数为0. 805,且能实现不同降雨工况下尾矿库浸润线的稳定预测。

• 单位
  北京科技大学; 福建马坑矿业股份有限公司; 北京联合大学