来源：期刊VIP网 时间：
作者：曾森华;赵宇;叶腾飞;贺平;郝文拯;
单位：核工业金华勘测设计院有限公司;国能北电胜利能源有限公司胜利露天煤矿;江西理工大学土木与测绘工程学院;核工业金华建设集团有限公司;
摘要：露天矿边坡变形易受岩石类型、岩体结构特征、水文地质、自然环境与采矿活动等因素影响，进而造成边坡变形监测数据具有高度的时序关联性、时变性、高维性及非线性等特点。针对传统边坡变形预测模型无法挖掘监测数据序列前后依赖性的问题，提出了一种双向长短期记忆网络（BiLSTM）与自注意力机制（SA）融合算法的多台阶高陡边坡变形预测模型，实现对多台阶高陡边坡变形的有效预测。结果表明：在相同的输入条件下，相较于BP神经网络、LSTM模型与Bi-LSTM模型预测结果，Bi-LSTM-SA融合模型对多台阶高边坡在3个监测方向的变形预测结果整体预测误差更小，Bi-LSTM-SA融合模型的预测结果与实测结果更为接近；Bi-LSTM-SA融合模型预测性能更强，而且还表现出了更好的稳定性与鲁棒性。
关键词：露天矿;;多台阶;;高陡边坡;;Bi-LSTM-SA;;变形预测
基金资助：江西省教育厅科研资助项目（GJJ210859）
