基于CNN-aGRU融合模型的尾礦壩浸潤線預測方法

摘要： 為預防尾礦庫潰壩安全事故，關聯(lián)分析在線監(jiān)測數(shù)據的深度，提出將卷積神經網絡(CNN)與門控循環(huán)單元(GRU)融合的尾礦庫浸潤線安全態(tài)勢預測方法，以掌握壩體的穩(wěn)定性狀況與安全發(fā)展態(tài)勢。該方法綜合考慮尾礦庫監(jiān)測數(shù)據復雜非線性和時序關聯(lián)性等特點，利用一維卷積神經網絡(1D CNN)模型獲取多源數(shù)據的局部關聯(lián)特征和空間特征，并利用GRU模型獲取浸潤線數(shù)據的時序特征，采用自適應矩估計權重衰...