科研之友
微信
新浪微博
Facebook
分享链接
摘要
考虑到BP神经网络模型忽略边坡监测数据存在的时间相关性，以及LSTM模型由于超参数选择存在主观性而导致陷入局部最优等问题，提出一种基于遗传算法和长短期记忆网络（GA-LSTM）相结合的边坡变形预测模型，以发挥遗传算法全局搜索能力和LSTM预测时序数据的优势。以海明矿业露天采场边坡为研究对象，分别采用BP神经网络模型、LSTM网络模型以及GA-LSTM网络模型对边坡监测点GNSS49变形进行预测分析，并对比各模型达到收敛条件的时间，结果表明，GA-LSTM模型与其他模型达到同一收敛条件的时间差异不大，GA-LSTM模型的拟合准确度在0.1～0.2 mm，是LSTM神经网络模型的5～7倍，是BP神经网络模型的10～20倍，具有较高的精度和稳定性，其预测值与实际监测数据基本一致，可为矿山边坡的安全生产、管理以及决策控制提供科学依据。
- 单位
