来源：期刊VIP网 时间：
作者：唐宇峰;何俚秋;胡光忠
单位：1.四川轻化工大学机械工程学院
摘要：尾矿坝位移趋势表现为显著的动态特性，传统的静态位移预测模型难以反映尾矿坝动态位移趋势。针对上述问题，提出一种将粒子烟花算法(Particle Fireworks Algorithm, PFA)、动态窗口的在线学习(Dynamic Window-based Online Learning, DWOL)机制和门控循环单元(Gated Recurrent Unit, GRU)相结合的PFA-GRU-DWOL的尾矿坝位移实时预测方法。首先，为提升模型的计算精度和运算效率，提出了一种新型的PFA优化算法；其次，结合PFA和GRU,构建基于PFA-GRU的尾矿坝位移预测初始模型，并实时预测尾矿坝位移；再次，对比预测及实测结果，基于移动平均误差自动控制在线学习频率，构建了一种DWOL在线学习机制，在动态更新预测模型的基础上实现尾矿坝位移的实时预测；最后，以CEC2022基准函数集和攀西地区某尾矿坝位移预测为例，验证了算法及模型的有效性。结果表明：PFA算法在参与对比的7种算法中达到了最佳的收敛速度及稳定性；PFA-GRU-DWOL模型预测结果的M_(AE)、M_(APE)、R_(MSE)和R~2分别达到0.21、0.45%、0.28和0.99,明显优于对比模型。研究成果可为尾矿坝位移动态实时预测提供一种新的思路。
关键词：安全工程;粒子烟花算法;门控循环单元;在线学习;尾矿坝位移;实时预测
基金资助：四川省高校重点试验室开放基金项目(2024WYJ01); 泸州市重点实验室项目(SCHYZSA-2024-01,SCHYZSB-2024-01); 四川轻化工大学“652”科研创新团队项目(SUSE652A004)
