基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题，选取2015年巴西Samarco铁矿溃坝事故案例，研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点，以库水位、降雨量和干滩长度为输入特征，采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%；基于SVR算法的最大相对误差不高于9.21%；Fundo坝的排水预测结果是可行的，BP神经网络的预测精度更高，而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。