期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CNN-aGRU融合模型的尾矿坝浸润线预测方法 被引量:10
1
作者 阮顺领 韩思淼 +2 位作者 张宁宁 顾清华 卢才武 《中国安全科学学报》 CAS CSCD 北大核心 2023年第S01期119-127,共9页
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... 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)、R 2几项关键指标上,分别达到0.01391562、0.005432、0.000045、0.006702、0.998334,实现对浸润线变化态势快速精准预测。 展开更多
关键词 卷积神经网络(CNN) 门控循环单元(GRU) 尾矿坝 浸润线 自适应估计权重衰减优化算法(adamw)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部