金属矿山

作者：郑海青,赵越磊,宗广昌,孙晓云,靳强

单位：1. 石家庄铁道大学电气与电子工程学院,河北 石家庄 050043;2. 河北金隅鼎鑫水泥有限公司,河北 石家庄 050200

关键词：露天边坡,神经网络,位移预测,自注意力机制,

基金：国家自然科学基金项目(编号:51674169);河北省自然科学基金重点项目(编号:F2019210243);河北省高等学校科学技术研究项目(编号:ZD2019140);河北省省级科技计划(编号:22375413D)

露天矿边坡的稳定性直接影响到矿山的安全生产，边坡位移监测数据是表征边坡变形发展过程的重要参量，通过对监测数据进行分析研究，有助于实现滑坡预警。以河北金隅鼎鑫水泥有限公司某开采中的矿山边坡为例，基于监测点采集的边坡位移数据，建立了基于卷积—长短期记忆网络(Conv-LSTM)的多因素边坡位移预测模型。利用长短期记忆网络（Long Short-term Memory，LSTM）提取位移时间序列中的时序信息，通过卷积层提取位移序列中隐藏的深层特征。针对卷积层对于数据之间内部特征提取不充分的问题，引入自注意力机制(Self-attention Mechanism)充分提取边坡位移数据之间的关系特征。试验结果表明：融合自注意力机制的Conv-LSTM边坡位移预测模型的预测准确率较高，与原始位移序列的相关性较好，能更真实地反映边坡变形规律。

来源：2022年第11期

《金属矿山》期刊编辑部

查看金属矿山杂志2022年第11期