基于BiLSTM模型的边坡形变预测方法

牟延波 ¹江科 ²吴伟强 ¹朱樊 ¹朱豪²

扫码查看

作者信息

1. 云南磷化集团有限公司,云南昆明 650600
2. 长沙矿山研究院有限责任公司,湖南长沙 410012;金属矿山安全技术国家重点实验室,湖南长沙 410012
折叠

摘要

针对矿山边坡形变预测精度低以及传统预测模型在边坡形变预测领域的缺陷,基于深度学习理论提出了双向长短时记忆(BiLSTM)模型,并引入相关实际生产数据对和静县备战铁矿东侧边坡形变进行预测,建立了卷积长短时记忆(CNN-LSTM)模型,并将长短时记忆模型(LSTM)作为试验对照.结果表明:BiLSTM模型预测精度较其他两种模型有明显提升,平均绝对误差(MAE)为98.176 mm,平均绝对百分比误差(MAPE)为4.16％,可用于中长期的露天矿山边坡形变预测.

关键词

露天边坡/BiLSTM模型/边坡形变/预测精度

引用本文复制引用

出版年

2024

采矿技术

长沙矿山研究院有限责任公司

采矿技术

影响因子：0.503

ISSN：1671-2900

参考文献量14

段落导航