集成PCA和LSTM神经网络的浸润线预测方法

为预防尾矿库溃坝事故,挖掘尾矿库在线监测系统的有效信息,提高浸润线预测精度,构建基于主成分分析(PCA)和长短期记忆(LSTM)神经网络的浸润线预测模型;以陈坑尾矿库为例,引入皮尔森(Pearson)相关系数和变量组合法,确定模型输入为预测前3天的待测点浸润线位置、相邻周边2点浸润线位置、库水位、坝体纵向位移和降雨量等18个特征量;利用PCA消除输入变量间的数据冗余,并采用LSTM神经网络预测未来3天的浸润线位置。结果表明:基于PCA和LSTM神经网络的浸润线预测方法具有较高的预测精度,平均绝对误差为0. 011,决策系数为0. 805,且能实现不同降雨工况下尾矿库浸润线的稳定预测。     

边坡位移的EEMD-PSO-ELM模型预测方法

为解决边坡变形位移预测难度大的问题,利用北斗监测系统获取边坡位移数据,引入集合经验模态分解(EEMD)法、粒子群优化(PSO)和极限学习机(ELM),建立边坡位移预测的EEMDPSO-ELM模型;以攀钢集团石灰石矿5号监测点为例,对原始数据小波去噪,采用EEMD法将位移时间序列分解为波动项位移和趋势项位移;利用PSO-ELM优化模型预测下一时段位移,叠加2项位移预测结果,得到边坡累计位移预测值,并对比分析预测结果。结果表明:EEMD-PSO-ELM模型位移预测方法的平均相对误差(MRE)为0. 15%,均方根误差(RMSE)为0. 03,拟合优度为0. 999 9,该模型具有一定的精确性和适用性。     

基于灰色系统理论的尾矿库坝体形变位移预测方法

为了降低尾矿库在金属非金属矿山安全生产中的危险,提高尾矿库在线监测数据的准确性,提高尾矿库工程溃决的预报预测水平,将尾矿库坝体形变位移作为研究重点,以在线监测技术测得的数值为原始数据,利用灰色系统理论的方法,以时间为主线,建立尾矿库坝体位移数学模型.最后,进行了工程实际坝体形变位移预测,结果表明,利用灰色系统理论建立的模型进行预测可以排除天气、人工、现场条件等许多因素的影响,为人工监测提供可靠依据.     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

三维倾斜摄影技术在尾矿库风险防控上的运用

为提高尾矿库信息化安全管理水平,保障尾矿库安全平稳运行.采用无人机倾斜摄影技术对尾矿库及下游区域进行影像数据采集,创建尾矿库三维图像,并将尾矿库空间三维模型关键数据与企业设计数据进行对比分析,对尾矿库汛期防洪能力进行预测分析.结果表明:该技术能够及时发现尾矿库运行期间存在的隐患,防范化解尾矿库安全风险,提高预测尾矿库汛...     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。     

FOA优化GRNN网络的尾矿库安全预测

从尾矿库安全管理实际出发,针对尾矿库安全预测影响因素多、波动性大和非线性的特点,提出了果蝇算法优化广义回归神经网络的尾矿库安全预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化,同时采用相关分析方法选取尾矿库安全评价指标,实现尾矿库的安全评价预测。以辽宁本溪南芬尾矿库为研究实例进行预测仿真,实验结果表明:相较于GRNN网络模型和BP网络模型,采用果蝇算法优化的GRNN模型预测精度更高,适用性更强,在尾矿库安全预测方面具有很大的实际应用价值。     

基于ISM和因素频次法的尾矿库溃坝风险分级

为解决尾矿库溃坝因素间关联模式干扰其风险评价分级的问题,总结分析国内外尾矿库溃坝事故致因,筛选出导致尾矿库溃坝的16个因素;引入解释结构模型(ISM),构建尾矿库溃坝解释结构模型,理清尾矿库溃坝因素间的层次隶属关系,结合因素频次法和层次分析法(AHP),设计一种不依赖人为主观判断的权重确定方法,计算模型中各因素的权重;依据尾矿库重大危险源辨识与分级标准,构建尾矿库溃坝风险分级方法,并应用该方法确定某尾矿库的溃坝风险级别。结果表明:基于ISM和因素频次法的尾矿库溃坝风险分级结果与工程实际情况一致,该方法能够避免因素之间的关联关系对尾矿库溃坝风险分级结果的影响。     

尾矿库溃坝灾害风险分级评估的加权云模型研究

为了实现尾矿库坝灾害风险的准确分析,提出了一种尾矿库溃坝灾害风险分级评估的加权云模型。首先基于文献计量法以及相关分级标准构建了尾矿库溃坝灾害风险分级指标体系;然后基于博弈论确定了频次法和投影寻踪算法的组合权重;最后采用云模型来表述各风险等级之间的模糊性和不确定性,并结合基于博弈论的组合权重确定了尾矿库溃坝灾害风险等级的综合隶属度,再采用9组尾矿库实例进行验证加权云模型的评估结果。结果显示,加权云模型评估的9组尾矿库样本结果与实际相符,表明模型具有较高的预测精度,可以为尾矿库溃坝灾害风险等级评估提供可靠的依据。     

基于Hankel-DMD的城市交通事故风险时空预测*

为解决城市交通事故风险时空分布预测任务中时空关联性捕捉困难的问题,提出基于动态模态分解（DMD）的城市交通事故分析时空预测模型,模型利用总最小二乘法去除交通事故数据中的噪声,应用结合Hankel矩阵的动态模态分解模型（Hankel-DMD）捕捉交通事故风险的时空关联性,对交通事故风险的时空分布进行预测。研究结果表明:DMD框架能够为高维预测任务提供低秩解决方案,从高维数据中捕捉时空关联性;Hankel-DMD模型在预测评价指标平均绝对误差和均方根误差方面的表现明显优于统计学及机器学习等方法;Hankel-DMD模型产生的动态模态和特征值,对事故风险系统的时空动态特征具有一定的可解释性,同时验证Hankel-DMD模型的适用性。     

基于CNN-GRU的瓦斯浓度预测模型及应用*

为解决传统瓦斯浓度预测方法预测精度低和适用性不强等问题,提出运用卷积神经网络（CNN）提取瓦斯浓度时间序列的变化趋势及局部关联特征,应用门自适应矩估计（Adam）优化的控循环单元神经网络（GRU）,在关联特征基础上进行时序性预测的组合方法,并以铜川玉华煤矿监测数据为样本,对比CNN-GRU组合模型、传统机器学习模型LSTM和GRU模型的预测效果。研究结果表明:CNN-GRU模型的预测精度和收敛速度均优于LSTM和GRU模型;CNN-GRU平均绝对误差和均方根误差分别可降低至0.042,0.006,运行效率分别提高59.15%,35.04%,研究结果可为矿井瓦斯灾害防治提供依据。     

基于多点关联性的尾矿坝位移监测序列异常值诊断*

针对尾矿坝位移监测序列中噪声和真实异常值的区分问题,提出1种基于多点关联性和改进孤立森林（IF）算法的异常数据诊断模型。通过IF算法对监测序列中的各样本点异常程度进行量化计算,引入云模型（CM）算法确定IF量化的异常得分与异常概念的相互映射关系以实现异常点的初步诊断,根据Apriori算法计算多测点序列间的关联性,找出强关联序列组合,结合序列关联性以及异常点诊断结果区分噪声与真实异常值。以某尾矿坝位移监测序列为例进行模型验证。研究结果表明:基于多点关联性的异常诊断模型能够有效区分尾矿坝位移监测序列中的噪声与真实异常值,提高监测系统的准确性。     

尾矿库事故隐患及风险表征与防控方法*

为解决尾矿库安全隐患及风险,应用基于证据(Evidence-based)方法和事故树分析模型,辨识并表征尾矿库事故影响因素、隐患及耦合状态,根据事件发生可能性、潜在后果严重性和受体暴露程度相关独立参数,给出尾矿库事故风险表征方法,建立尾矿库事故多情景、多阶段（3段）、多层次和多等级（4级）风险防控框架。结果表明:对尾矿库5类事故（溃坝、漫顶、渗流、输送冒漏、库区扬尘）进行分析,得出基本事件或蛰伏隐患对尾矿库事故结构重要度或影响程度,给出尾矿库事故风险3维表征方法,并结合巴西布鲁马迪尼奥尾矿库进行实例应用,确定尾矿库风险等级（最高级4级）,验证方法可行性与有效性。研究结果可为尾矿库减灾防灾提供理论支撑与实践指导。     

基于集对可拓耦合算法的尾矿库安全综合评价

针对尾矿库安全综合评价中“定性定量评价尾矿库安全等级”和“客观描述尾矿库安全状态变化趋势”的要求，采用集对分析方法和可拓理论，利用可拓距计算原理，建立尾矿库集对可拓耦合安全评价模型和尾矿库集对势的计算方法。利用RSCIE权重计算方法确定尾矿库评价指标的权重，将基于集对可拓耦合算法的尾矿库安全评价模型用于尾矿库各安全等级集对可拓联系度的分析中，并基于最大隶属度原则确定案例中的尾矿库为正常库，其集对可拓联系度为0.040 6，安全状态的集对势为9.26。结果表明:该尾矿库的安全等级为正常库，且其安全状态发展趋势为弱同势，说明尾矿库的安全状况发展趋势为正常库的态势不强，且向不安全状态转变的可能非常大，应该加强该尾矿库的日常安全管理。这与实际情况相符合，有效验证了该评价模型的可行性和实用性。     

国内尾矿库物理模型试验研究现状分析*

为提高尾矿库物理试验的科学性与可靠性，采用文献资料收集与分析方法，对国内尾矿库物理模型试验的研究现状与主要成果进行梳理和归纳；总结试验模型存在的问题与不足。结果表明:溃坝机理试验主要研究了管涌渗透、洪水漫顶、地震作用下的溃坝及其演化过程；下游演进试验主要揭示了溃坝过程中泥深、冲击力、流速、泄砂量、淹没范围等时空分布规律；稳定性评价试验主要利用物理试验得到的浸润线位置、尾砂沉积分布等数据建立数值模型，对尾矿库筑坝过程、不同工程状况下的稳定性进行分析；防护试验主要对坝体加筋及拦挡坝防护效果等进行研究。从溃坝机理与过程、溃坝主要影响因素、溃坝下泄物运移过程、物理模型设计和构建、监测技术和手段等方面提出相应的研究建议，供研究学者参考借鉴。     

基于无人机建模的尾矿库溃坝事故推演*

为诠释尾矿库溃坝后水砂演进过程,提升尾矿库事故灾害应急处置能力,采用无人机倾斜摄影技术获取尾矿库全息影像,建立尾矿库三维数字高程模型,导入三维流体计算软件对尾矿库进行溃坝事故推演。结果表明:尾矿库实景三维模型能高精度还原尾矿库实际情况,尾矿库溃坝将淹没库区临时厂房建筑及下游村落;其中,上游沟谷临时厂房建筑水位高程最大达8 m,尾砂淤积厚度最高达10.5 m,下游沟谷村落水位高程最大达10 m,尾砂淤积厚度最高达2.5 m;通过对库区下游布设监测点,得出各监测点处水位高程和尾砂淤积厚度变化规律,分析溃坝主要影响区域。研究结果可为尾矿库风险防控、应急响应工作提供借鉴。     

基于空天地三维数据的尾矿库安全监管技术研究

为提高尾矿库安全状态,解决当前尾矿库监管难度大、代价高、盲区多的现实问题,以四川省盐边县小水井尾矿库为研究对象,采用高分遥感、无人机和三维激光组成的空天地三维数据,建立多层级、多精度三维数据的协同流转模式,通过周边关系分析、关键指标检查、防排洪验算、稳定性分析和溃坝模拟等手段,提供了尾矿库风险管控与定量化评价的参数,研究结果表明:该技术可有效提升尾矿库安全监管的技术能力,有助于促进运营方和监管者建立尾矿库监测-预警-避灾-救援工作体系。     

基于PCA-BBO-SVM的尾矿坝变形预测模型与性能验证研究*

为准确预测尾矿坝变形趋势,通过主成分分析法（PCA）对尾矿坝变形影响因子进行优选,基于生物地理学优化算法（BBO）对支持向量机（SVM）参数进行寻优,建立PCA-BBO-SVM尾矿坝变形预测模型,并以杨家湾尾矿坝为例对模型性能进行验证。研究结果表明:PCA-BBO-SVM模型在4个测点的RMSE为0.139 6,0.274 2,0.317 0,0.530 6;MAE为0.112 5,0.213 5,0.269 0,0.412 9;MAPE为0.525 0%,0.692 3%,2.621 2%,1.311 2%;预测精度及对局部波动的预测能力均高于BP、GS-SVM、GA-SVM和PSO-SVM模型,研究结果可为尾矿坝变形预测提供模型支撑。