10.16265/j.cnki.issn1003-3033.2020.03.015
集成PCA和LSTM神经网络的浸润线预测方法
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.
尾矿坝、浸润线、主成分分析(PCA)、长短期记忆(LSTM)神经网络、预测
30
X936(安全工程)
国家自然科学基金资助;国家重点研发计划课题资助项目;北京联合大学研究生资助项目
2020-07-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
94-101