基于改进Transformer模型的尾矿坝异常监测数据分析研究

来源：黄金科学技术杂志2025年第5期北京时间：

作者：阮顺领, 刘佳佳, 胡毅馨, 王京

单位： 西安建筑科技大学资源工程学院，陕西 西安 710055, 西安市智慧工业感知与决策重点实验室，陕西 西安 710055

摘要：针对尾矿坝多传感器监测系统中频繁出现异常数据，严重影响尾矿坝安全评估的问题，提出了一种改进的TCN-Transformer混合架构异常检测模型。该模型在传统Transformer模型上引入时间卷积网络（TCN）组件，替代模型中的绝对位置编码，能够有效捕捉时间序列数据中复杂的长期依赖关系，提升了模型异常检测的精度。同时，对模型的自注意力机制进行优化，通过采用分支结构设计并融入极大和极小值策略，提取尾矿坝时间序列的空间特征，使得重构误差与关联差异在检测过程中相互增强，增强模型异常检测的性能。试验结果表明，本研究提出的TCN-Transformer异常检测模型平均精度值F1达到0.9486，在检测精度和性能上较传统模型有所提升，对尾矿坝时序数据异常检测和安全管理具有重要意义。

关键词：尾矿坝,时序数据,异常检测,TCN-Transformer模型

基金资助：国家自然科学基金面上项目“基于融合学习的湿排尾矿堆积坝时空演化及失稳预警模型研究”(52374160)