基于优化长短期记忆网络的矿坑遗产沉降预测

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：王凤英;孟令泽;哈静;杜利明;

摘要：工业矿坑遗产以其独特风貌和价值逐步受到广泛关注。 针对矿坑遗产易发的沉降地质灾害,积极采取预防措施是降低损失的有效途径。 为解决工业矿坑遗产沉降灾害预测问题,提出一种融合蜣螂优化算法(DBO)的优化长短期记忆网络(LSTM)算法,用于构建预警模型。 选取阜新市海州露天矿作为实验地点,利用小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术采集 55 景矿区沉降数据。 通过两种去噪方法对采集到的样本数据进行去噪处理,应用 DBO 算法优化 LSTM,建立工业矿坑遗产沉降预测模型。 LSTM 模型的超参数使用 DBO 算法优化以实现高精度预测模型,并与其他算法优化 LSTM 后的模型指标进行对比。 结果表明:DBO-LSTM 模型在工业矿坑遗产沉降预测优势突出,预测模型的均方根误差、平均绝对误差和决定系数分别为 0. 045 mm,0. 038 mm,0. 956,均优于其他预测模型。 DBO-LSTM 模型在预测工业矿坑遗产沉降方面展现了高精度、快速收敛和强稳定性等特点,为工业矿坑遗产保护工作提供了有力支持。

关键词：工业矿坑遗产;沉降预测;预警模型;长短期记忆网络;蜣螂优化算法