期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
结合CNN-LSTM优化模型在尾矿坝浸润线预测中的应用 被引量:2
1
作者 袁利伟 杨柳 +3 位作者 何涛 李延林 魏学松 徐海燕 《安全与环境学报》 CAS CSCD 北大核心 2024年第10期3770-3779,共10页
浸润线是尾矿库的生命线,准确地预测浸润线仍是目前较难解决的重要课题。为了能够有效地预测尾矿坝浸润线的演变态势,提出了一种适用于尾矿坝浸润线预测的高精度卷积神经网络-长短期记忆(Convolutional Neural Network-Long Short-Term ... 浸润线是尾矿库的生命线,准确地预测浸润线仍是目前较难解决的重要课题。为了能够有效地预测尾矿坝浸润线的演变态势,提出了一种适用于尾矿坝浸润线预测的高精度卷积神经网络-长短期记忆(Convolutional Neural Network-Long Short-Term Memory,CNN-LSTM)网络优化模型。以云南省某铜矿尾矿库为研究对象,运用CNN提取浸润线数据在高维空间的联系,并捕捉浸润线时序特性的空间关联特征,运用LSTM捕捉及解析其长期依赖关系的特点,优化CNN的卷积层层数与LSTM隐含层层数,选取最优组合,实现对浸润线变化趋势的精确预测。试验结果表明:与单一的CNN模型和LSTM模型相比,CNN-LSTM优化模型的收敛速度快,泛化能力强,且该模型的决定系数、平均绝对误差、均方误差、平均绝对百分比误差、均方根误差均达到了非常高的拟合优度及预测精度,显示了基于CNN-LSTM优化模型进行尾矿坝浸润线预测的优越性,为保障尾矿库长期安全运行提供依据。 展开更多
关键词 安全工程 尾矿坝 卷积神经网络(CNN) 长短期记忆(LSTM) 浸润线预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部