来源：期刊VIP网 时间：
作者：袁利伟;杨柳;何涛;李延林;魏学松;徐海燕;
单位：昆明理工大学公共安全与应急管理学院;开远市应急管理局;永善金沙矿业有限责任公司;昆明理工大学设计研究院;
摘要：浸润线是尾矿库的生命线，准确地预测浸润线仍是目前较难解决的重要课题。为了能够有效地预测尾矿坝浸润线的演变态势，提出了一种适用于尾矿坝浸润线预测的高精度卷积神经网络-长短期记忆(Convolutional Neural Network-Long Short-Term Memory, CNN-LSTM)网络优化模型。以云南省某铜矿尾矿库为研究对象，运用CNN提取浸润线数据在高维空间的联系，并捕捉浸润线时序特性的空间关联特征，运用LSTM捕捉及解析其长期依赖关系的特点，优化CNN的卷积层层数与LSTM隐含层层数，选取最优组合，实现对浸润线变化趋势的精确预测。试验结果表明：与单一的CNN模型和LSTM模型相比，CNN-LSTM优化模型的收敛速度快，泛化能力强，且该模型的决定系数、平均绝对误差、均方误差、平均绝对百分比误差、均方根误差均达到了非常高的拟合优度及预测精度，显示了基于CNN-LSTM优化模型进行尾矿坝浸润线预测的优越性，为保障尾矿库长期安全运行提供依据。
关键词：安全工程;尾矿坝;卷积神经网络(CNN);长短期记忆(LSTM);浸润线预测
基金资助：国家自然科学基金项目(53264020)
